天津港秋冬季低能见度数值释用预报研究

• 作者: 吴彬贵 张建春 徐梅 李英华 王亚男 王雪莲 邱晓滨 郭晓军 陈靖
• 来源期刊: 气象
• 学科: 地球科学
• 关键词: 雾 低能见度 人工神经网络 数值释用 分步筛选法 天津港
• 年，卷（期）: 2017,（7）
• 所属期刊栏目: 技术交流
• 页码范围: 863-871
• 页数: 9页
• 分类号: P457
• 字数: 9850字
• 语种: 中文
• DOI: 10.7519/j.issn.1000-0526.2017.07.010

摘要

本文利用近5年(2009-2013年)天津港资料,分析了该地区大气能见度的分级特征.采用7年秋、冬季NCEP(2006-2012年)和地面资料,通过相关分析给出了对港口低能见度天气有高影响的高、低空物理量因子;排除沙尘和降水天气,针对不同区间的能见度样本,利用BP神经网络方法分类训练了3个统计模型;并与WRF天气模式产品对接,采用分步筛选法,研发了天津港秋、冬季72 h时效的逐时能见度BP释用预报产品.经过3年业务运行,检验结果表明:对逐时能见度而言,BP释用预报对10 km以下低能见度比WRF模式的预报技巧显著提高,达到10.5％～35.4％;其中对＜0.5 km大雾的预报技巧总体相当,但当WRF预报有降水时,WRF模式预报结果略优;对0.5～1 km的大雾预报,WRF模式的预报技巧＜1％,BP释用预报提高到了14％～21％.日最低能见度的检验表明:对小于1 km的大雾过程,BP释用预报的TS评分平均达到75％,比WRF预报技巧提高了24％;对1～10 km的低能见度过程,比WRF的预报技巧平均提高了60％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴彬贵		38	471	13.0	21.0
2	王雪莲		14	65	5.0	8.0
3	李英华		20	139	8.0	11.0
4	陈靖		16	88	6.0	9.0
5	王亚男		4	58	3.0	4.0
6	徐梅		16	152	7.0	12.0
7	张建春		1	9	1.0	1.0
8	郭晓军		1	9	1.0	1.0