简介:利用2003—2013年湖北省三峡谷地加密自动站资料、常规观测资料、NCEP/NCAR逐6h再分析资料,对三峡谷地突发性中尺度暴雨过程进行分型,并从环流背景及天气系统、环境场、地形影响等方面分别进行分析阐述,确立有预报意义的概念模型。结果如下:2003—2013年间,三峡谷地突发性中尺度暴雨过程分为西南低涡前冷暖切变结合型、东北冷槽尾部南北气流汇合型和副高内部边界层辐合型三类。其中,西南低涡前冷暖切变结合型,以天气尺度强迫为主,低层冷暖切变结合区对中尺度暴雨预报指示意义强,地面上以北风气流为主,峡谷入口处南侧迎风坡抬升作用强,峡谷附近温度场呈Ω型,中尺度对流系统(MCS)形成后多沿峡谷向东移动;东北冷槽尾部南北气流汇合型,天气尺度系统明显,低层冷切变尾部辐合区对中尺度暴雨预报指示意义强,地面上南、北两支气流并存,在峡谷入口处交汇进入峡谷,MCS形成后多由北向南移动;副高内部边界层辐合型,以边界层辐合和地形强迫抬升为主,边界层弱切变对预报指示意义强,地面上以偏南气流为主,进入峡谷后受地形阻挡作用,形成逆时针旋转的中尺度辐合中心,配合峡谷入口北侧迎风坡地形抬升作用,动力强迫达到最强,MCS形成后多由南向北移。在上述分析基础上,建立了三峡谷地三类中尺度暴雨概念模型。
简介:支持向量机(SVM)方法是基于统计学理论的一种新的机器学习方法,对解决小样本条件下的非线性问题非常有效。利用2004~2007年南京站的逐日常规观测资料以及同期南京市环境质量监测点的逐日污染物浓度资料,使用SVM分类和回归方法分别建立了南京地区霾日分类预报模型和有霾日14时(北京时间,下同)能见度预报模型。预报试验结果表明:南京地区霾日的SVM分类预报结果,Ts(Threatscores)评分均在0.4以上;而有霾日14时能见度的SVM回归预报结果,按能见度误差范围为±3km算,准确率均达到了86%以上;加入当天08时新资料的订正预报模型,其预报结果优于起始预报模型。二者的预报结果较为满意,可以给实际业务预测提供参考。