文献类型：期刊文章

作　　者：卢盛栋[1] 陈立瑾[2] 赵桂香[3] 张泽秀[4] 段鹏飞[5]

LU Shengdong;CHEN Lijin;ZHAO Guixiang;ZHANG Zexiu;DUAN Pengfei(Shanxi Meteorological Disaster Prevention Technology Centre,Taiyuan 030012,China;Taiyuan University of Technology,Taiyuan 030024,China;Shanxi Meteorological Observatory,Taiyuan 030006,China;Taiyuan Meteorological Bureau,Taiyuan 030082,China;Jiancaoping District Meteorological Bureau,Taiyuan 030023,China)

机构地区：[1]山西省气象灾害防御技术中心,山西太原030012 [2]太原理工大学,山西太原030024 [3]山西省气象台,山西太原030006 [4]太原市气象局,太原030082 [5]太原市尖草坪区气象局,山西太原030023

出　　处：《沙漠与绿洲气象》

基　　金：山西省气象局科学技术面上项目(SXKMSFW20205222)。

年　　份：2020

卷　　号：14

期　　号：4

起止页码：105-112

语　　种：中文

收录情况：JST、ZGKJHX、普通刊

摘　　要：利用2017年1月—2019年12月太原地区逐时气象资料,分析了能见度及其主要影响因子的变化特征,并对两次低能见度过程进行深入分析,构建了能见度预报模型并进行检验,结果表明:(1)从空间分布看,太原北部能见度明显高于南部地区。从时间分布看,太原地区平均能见度最大值出现在5月,最小值出现在1月;日间最低值出现在06:00(北京时,下同),冬季略向后推移,最高值出现在15:00前后。(2)2017—2019年太原地区低能见度分别出现93、84、79 d;低能见度发生时,干霾、湿霾发生频率分别为59.27%、40.73%;湿霾发生时,能见度降低更加明显。(3)所选个例中,能见度均随各影响因子有所起伏,干霾、湿霾过程中能见度分别与颗粒物浓度、相对湿度变化一致。(4)采用神经网络方法构建太原地区能见度预报模型,预报模型相关系数为0.81,均方根为4.43 km,平均绝对误差为17.39%,轻微级能见度的TS评分为87%。神经网络方法对太原地区能见度预报具有较高的参考价值。

关 键 词：太原  能见度 气象要素 典型霾过程  神经网络

分 类 号：P457.7[大气科学类]