利用椒江大陳沿海航線上重要站點一江山島、大陳站和頭門島2015—2018年2—6月的海霧歷史觀測資料和NCEP/NCAR FNL再分析資料,從海霧的成因中找出大氣與海霧的關系。分析的影響因子包括:地面與高空溫差(T1 000 hPa—T2 m)、(T925 hPa—T2 m)、(T850 hPa—T2 m)、(T975 hPa—T2 m)和1 000 hPa相對濕度,低層上升速度分析等。結(jié)論如下:(1)暖濕氣流本身強弱對大霧無影響,溫差才是形成大霧的重要因素,近地層的逆溫有利于大霧形成,越低層逆溫越強越有利于大霧形成;(2)大霧形成時所需相對濕度基本集中在90以上, 950 hPa上較弱的上升速度利于大霧的形成,散度條件對海霧的影響差別不大;(3)通過訓練集數(shù)據(jù)參與模型的建立,模型整體的學習準確率為0.85。將此測試集數(shù)據(jù)運用于2019年2—6月的大霧數(shù)據(jù)檢驗中,成功率為0.8。決策樹模型建立的海霧判別流程可在業(yè)務中用于浙中南有無海霧的判別。

【文章頁數(shù)】：6 頁

【部分圖文】：

圖52015—2018年椒江沿海航線大霧氣象觀測要素特征診斷決策樹模型

圖42015—2018年大陳航線不同高度溫度差、1000hPa濕度、950hPa上升速度和950hPa散度與有無大霧的分布5結(jié)論與缺陷

圖2一江山島2017年大霧與風向的關系

基于上述事實，由于海霧形成時天氣為一靜穩(wěn)狀態(tài)，觀測數(shù)據(jù)中溫度、濕度和風場變化不大，風向、風速也難求規(guī)律；在預報上地面氣象要素的得出是基于模式產(chǎn)品，準確率不高。本文通過高空近地層資料探究，從模式已有輸出因子（高低空要素場）入手，通過對平流冷卻霧的本身定義推導，篩選海霧預報因子，運用....

圖32015—2018年大陳航線不同高度與2m地面溫差和925hPa前后時次溫差與有無大霧的分布

決策樹中基本反映了前面分析的分布情況，并且更加明確了濕度是大霧形成的必要條件，沿海海面濕度需大于90才能執(zhí)行該模型；其次是近地層的溫差情況；另外，低層上升速度、低層逆溫等都對大霧形成有影響。訓練集數(shù)據(jù)模型整體學習準確率為0.85。將此測試集數(shù)據(jù)運用于2019年2—6月的大霧數(shù)據(jù)檢....

圖42015—2018年大陳航線不同高度溫度差、1000hPa濕度、950hPa上升速度和950hPa散度與有無大霧的分布

圖32015—2018年大陳航線不同高度與2m地面溫差和925hPa前后時次溫差與有無大霧的分布圖52015—2018年椒江沿海航線大霧氣象觀測要素特征診斷決策樹模型

本文編號：3934904