未来一周天气预报情况分析报告最新_未来一周 天气

1.梅雨期2022

2.天气预报哪个软件是最准确的?

3.天气预报都有哪些天气

4.墨迹天气分析报告

5.怎么查看过去的天气记录

气预报不准的七个理由

古时候，天气预报是一种神话，而在现代社会，天气预报是有局限的科学，是人类一种高级的智力游戏。天气预报是怎么做出来的；天气预报为什么有的时候不准，专家和主持人是以一种什么样的心态去看待和解决这些问题；宋英杰和杨丹以清新而知性的笔触展现了他们的天气预报情结，展现了他们鲜为人知的幕后故事。

确切地说，天气预报“有的时候”不准；公平地说，天气预报“有的时候”很准。

天气预报不准，需要找理由吗 不需要；天气预报不准，能够找到理由吗？能。说明理由，并不是为了搪塞错误。

我也曾经被自己所发布的天气预报欺骗得淋漓尽致，暗自神伤，无处申诉。

在我们所征集的观众意见反馈中，观众对天气预报的不满意，绝大部分集中在“天气预报有时候不准确”上。可以理解，无论语言多优美，画面多精致，话题多有吸引力，主持人多有亲和力，错误的预报总是让人有一种吃了苍蝇的感觉。

我经常在马路上商场里听别人兴致勃勃地争论天气，看到不少老年人把记录天气预报当作一个业余爱好，在那一刻我的感动和惭愧在心里水融着。

在生活中，有一个流传很广的说法：很多人说假话，天气预报倒是特别想说真话，可就是说不准。的确，因为天气预报的不准确，能够第二天毫无遮掩地暴露在光天化日之下，而每一个人都需要面对天气，于是拿天气预报开玩笑，大家特别容易找到共同语言。

有人已经把刘禹锡的“道是无晴却有晴”，用来讽刺天气预报的不准确。这是我所听到的最具书卷气的嘲笑了。

责怪天气预报的不准确，是个世界性的现象。我曾经在国外同行那里看到过面对公众嘲讽气象人员如何保持心理平衡的小册子。

应该说，天气预报还是越来越准确的，我们国家的天气预报准确性在发展中国家中处于领先地位，属发达国家的中等水平。现在对于常规天气要素的24小时定性预报准确率已经达到了80％，上世纪90年代比80年代的预报准确率又提高了4.3％，未来一周的预报也具有很好的参考价值。现代天气预报已经不再是仰望天空、应用谚语，或者靠24节气来推算、靠观察蚯蚓、青蛙的活动来判断的古老行当了 世界气象电视节的吉祥物就是青蛙，以纪念青蛙为天气预报曾经做出过历史性贡献 。

气象卫星出现以后，台风就再也没有逃脱人类的眼睛；天气雷达问世以后，几百公里范围内的突发性强降雨也已经不再是预报上的顽症了。对于那些长途跋涉的冷空气的行踪，人们可以看得清清楚楚、真真切切。

天气预报不是能掐会算的神仙，它应该走下神坛。是人类憧憬未来的好奇心，人类不甘于“天有不测风云”的精神气质造就了天气预报，预报准确了，不必大惊小怪；预报错误了，也不必耿耿于怀。关键是我们如何理性地看待天气预报，如何理性地分析天气预报为什么不准。

那还是为天气预报的不准确寻找7个理由吧。

理由一：她还很年轻

虽然古人观察现象、寻找规律，早已经有了很多预测天气的经验，但是现代科学基础上的天气预报只有100多年的历史，她是通过简单的定时观测得出气压场、高低压、冷暖锋，并进行简单的线性推算这样一个简陋的手工作坊里发展起来的，而以数值预报为代表的对天气变化的简化物理过程的求解和运算只有几十年的时间。对于很多天气现象的发生、演变的内在机理和规律，人们还并没有完全掌握。气象科学还是早晨七八点钟的太阳，是一个极其年轻的学科。年轻人总是要犯错误的。

理由二：有无数只蝴蝶的翅膀

美国麻省理工学院教授洛伦兹用一种形象的比喻来表达他的这个发现：一只小小的蝴蝶在巴西上空煽动翅膀，可能在一个月后的美国得克萨斯州会引起一场风暴。这就是混沌学中著名的“蝴蝶效应”，也是最早发现的混沌现象之一。在我们的眼前，似乎有“无数只蝴蝶的翅膀”在煽动着。且不论城市热岛、工业排放所产生的温室效应，就是这个星球错综复杂的地形地貌就对天气的变化产生着决定性的影响，而且植被、水体等等都在发生着微妙的变化，而这一切在模拟运算中无法进行详尽的描述。

当然，我们并不会因为有“无数只蝴蝶的翅膀”就迁就天气预报的不准确，就如同学生不会因为自己考不了满分就慨叹考题太难。经常用“混沌”来进行自我安慰的人，还不具备预报天气的职业心理素养。

理由三：我们的眼睛有盲区

要预测天气，首先要观察天气，从理论上讲，要明察秋毫，任何一个细微之处都不能放过。而人类本身并不具有千里眼、顺风耳，我们的眼睛有盲区。

自从有了气象卫星，我们眼睛的盲区减少了，视野更加开阔了。台风无论多狡猾，都不会骗过卫星敏锐的目光，台风的螺旋云型、台风眼都一目了然，我们也才会胸有成竹地发布那些台风警报。但金无足赤，人无完人，气象卫星也一样。地球同步气象卫星目不转睛地注视着天气变化，但是它离地面的距离是36,000公里，比较遥远，分辨能力比较有限；极轨气象卫星的高度是800多公里，离地球近一些，但是它不可能目不转睛地观察特定区域，它的云图是拼接而成的，在观察一个特定区域时，相当于卫星有“眨眼睛”的毛病，而有一些天气就在“眨眼间”发生了。另外，如果有云层覆盖，我们就难以观察并测算植被、水体、沙尘的面积和强度等等，云层会掩盖很多秘密。

我们没有一双可以洞察一切的慧眼，在分析和预测的时候会产生误差，这是不可避免的事情。

理由四：东边日出西边雨

人们常用“东边日出西边雨”来形容天气的局部差异。在地形比较复杂的地区，或者强对流天气 如暴、冰雹等 比较流行的季节，在一个范围很小的区域中，天气也常常会迥然不同。

一座大山，迎风坡和背风坡，气温、降水量的差别非常大，因而植被的面貌也大相径庭。仅仅一山之隔，却展现着两种气候类型，古人说：始悟一岭隔，气候殊寒暄。

而我们国家幅员辽阔，既有中高纬度大陆性天气系统的影响，也有低纬度海洋性天气系统的影响，各种天气灾害琳琅满目，是天气灾害种类最繁多、表现最剧烈的国家之一。我们用一两分钟的时间概述全国天气，只能“从大局出发”，描述大范围的特点，肯定会删减很多局地特殊性的天气现象，会遗漏很多天气情节，它无法表述那么纷繁复杂的天气变化。

理由五：疑难病误诊

疾病的种类很多，而诊治各种疾病的难度各不相同。再妙手回春的医生也有误诊的时候，为天气把脉也常常碰到疑难杂症。

我清晰地记得一个例子：一个台风刚刚生成，就气势汹汹地向东南沿海奔袭而来，我们发布了警报。可是台风却很诡异地停止前进，在原地就地休整。但是正当人们稍稍松了一口气的时候，它又杀了一个回马枪，重新瞄准东南沿海，于是我们再次警觉地发布台风警报，然而当警报声响起的时候，台风却大摇大摆地朝向太平洋扬长而去。最终这个台风让人们虚惊一场。事后有几位同事总结说：这个台风好像是专门来戏弄我们的。

即使某种常规的天气过程，预报了不发生（行话叫：报空了），没预报发生（行话叫：报漏了）的情况也时常出现。长期以来，为了减少负面的社会影响，一些业内人士有一种“宁空勿漏”的心态。且不去议论业内的预报心态，我个人觉得，正是因为很多难度极大的预报，报错了 尤其是漏报 ，人们（包括领导）对于错误缺乏公允的评价，很多从事预报的同行经常有一种如履薄冰、如惊弓之鸟的感觉。我的一位领导有一句挂在嘴边的话：一万年之后，人们还会谈论天气预报准确性的问题。天气预报永远有不准确的时候。但愿他的这句话给一万年之后的观众也打个预防针。——天气预报的难题将长期存在。摸准老天爷的脾气的确是一件很艰难的事情。

理由六：你的感觉欺骗自己

2004年春天，有位实习生对我说：到了夏天，你们怎么办啊？这一句话让我摸不着头脑。他解释说：大家都说，高温季节明明是40多度，你们却总报36度、37度的样子，怕引起恐慌，所以不敢报也不愿报高温。

听了这样的分析，我真是觉得冤枉啊！

2003年的夏天，南方出现长时间、大面积的高温天气，缺水、缺电现象非常突出，大上海的夜间照明也采取了限制措施。在福建、江西、浙江，很多地区的气温像进行体育竞赛一样，气温新高屡屡被刷新，各大“火炉”交相辉映。于是有很多观众反映天气预报故意压低气温结果，隐瞒不报，甚至将其上升到了“剥夺百姓知情权”的政治高度。

但实际上，对于2003年夏季的高温天气，气象部门恰恰做出了非常精彩、确凿的预报，仅中央气象台就破天荒地发布了31次高温预报和警报，而且对于气温的预报误差一般在一度左右甚至更低。可是，科学层面的精彩和公众层面的印象何以有如此强烈的反差呢？

我们追根溯源，气温与人们的身体感觉（体感温度）的差异是引起抱怨和质疑的首要原因。

我们所说的气温是指百叶箱里的温度，它是在草坪上，距离地面1.5米，通风，而且不受阳光的直射。但是我们的体感温度却受到很多因素的影响。同样的气温，阳光下和树荫下，感觉差别很大；有风和无风，差别很大；湿润和干燥，差别很大，感觉上的差别一般会在5度以上。而且在火辣辣的阳光烘烤下，地面温度，远远高于气温，当气温是35度的时候，表层土地的温度可能是50度，水泥或柏油马路的温度可能是70～80度，所以走在马路上的时候你感觉温度远远不止35度，于是对天气预报的怀疑产生了。

实际上在天气预报的历史上，从来没有过在盛夏季节主观故意压低气温预报结果的情况。如果真有那样的事，完全是伤害职业道德的卑劣行为，也是我们自己难以容忍的！

理由七：缺少对不准确的总结

我拜读过大量关于预报多么精彩、分析多么成功的文章和总结，但是极少看到对于预报失败个例的分析、点评，似乎一些人不愿意触及伤疤，没有诚恳地探讨失败的职业氛围。一旦预报出现重要错误，气氛会变得很凝重，不敢提及，生怕伤害了谁的感情。

北京电视台的天气预报在结尾处，有一屏是“某月某日天气预报满意率”，由观众为每天的天气预报结果打分。我每次都会认真地阅读这条信息，这是了解观众对于预报质量所持态度的重要渠道。满意率经常很高，百分之九十几甚至百分之百。但是也有满意率非常低的时候，比如预报了2004年6月14日和15日北京有“小雨”，但是老天爷就是不愿意配合，14日刮了一阵六级大风和一场扬沙天气，15日尽管天色阴沉、云层浓密，但偏偏不下雨，当天我路过一座游泳馆，那里的工作人员认出我来并开玩笑地说：“这两天天气预报这么不准，你还敢在大街上走 ”结果6月14日的天气预报满意率只有43％。当然，内行人都知道那几天预报的难度的确是非常大的。6月16日似乎老天爷终于被执著的预报感动了，下了一天的雨，但预报的最高气温是24度，而实际上下午的气温仅仅是17度，穿着单薄的人们被冻得哆哆嗦嗦，怨言丛生，但是6月15日对于16日预报的满意率是81.8％，看来虽然温度预报离谱，但是终究预报了降雨，大家还是很宽厚的。

一个职业人，总有“过五关斩六将”的机会，也总会有“走麦城”的机会，不可能永远“从胜利走向新的胜利”。天气预报正因为相对准确、存在局限，大大小小的错误是经常发生的，如果我们面对错误的心态能更好一些，我们的疏漏会少一些，大家的理解会多一些。我们的职业需要我们有足够的反思错误的勇气。

7个理由说完了，可能很多人不见得同意我的分析，不过，如果有一天，当天气预报精确得不再需要理由的时候，我们每个人的生活中肯定会有更多快乐的理由。

摘自： style="font-size: 18px;font-weight: bold;border-left: 4px solid #a10d00;margin: 10px 0px 15px 0px;padding: 10px 0 10px 20px;background: #f1dada;">梅雨期2022

你参考下。

天气预报即预报未来某时段内各种天气系统的生消、移动和强度的变化。它是气象要素预报的基础。形势预报的方法可分为两大类：一类是数值预报方法，即直接积分大气方程组或其简化方程组，按所得结果对未来的气压场、温度场和风场作出预报；另一类是天气图方法。后者有以下几种作法：

经验外推法

又称趋势法，是根据天气图上各种天气系统过去的移动路径和强度变化趋势，推测它们未来的位置和强度。这种方法，在天气系统的移动和强度无突然变化或无天气系统的新生、消亡时，效果较好；而当其发生突然变化或有天气系统的新生、消亡时，预报往往不符合实际。

相似形势法

又称模式法，是从大量历史的天气图中，找出一些相似的天气形势，归纳成一定的模式。如当前的天气形势与某种模式的前期情况相似，则可参照该模式的后期演变情况进行预报。由于相似总是相对的，完全相同是不可能的，因此，用此法也往往出现误差。

统计资料法

又称相关法，是用历史资料，对历史上不同季节出现的各种天气系统的发生、发展和移动，进行统计，得出它们的平均移速，寻找预报指标（如气旋生成、台风转向的指标等），进行预报。对历史上未出现过的或移动很快及很慢的例子，则此法不能应用。

物理分析法

首先分析天气系统的生消、移动和强度变化的物理因素，在此基础上制作天气预报，此法通常效果比较好。但当对反映这些物理因素的运动方程所进行的简化和假定不大符合实际时，就常常造成预报误差，甚至远远偏离实际情况。

上述四种方法各有优缺点，使用时需相互补充，取长补短，综合考虑，才能获得较好的效果。

天气预报的要素预报编辑本段回目录即预报气温、风、云、降水和天气现象等在未来某时段的变化。要素预报有以下几种方法：

经验预报方法

在天气图形势预报的基础上，根据天气系统的未来位置和强度，对未来的天气分布作出预测。例如低压移来并得到加强时，可预报未来将有阴雨天气或较大的降水。这种方法的准确性，在很大程度上取决于预报员的经验，又由于天气系统和天气现象并非一一对应，故预报效果不够稳定。

天气标识：雨转晴统计预报方法

分析天气的历史资料，寻求大气状态的变化同前期气象因子的相关性，用回归方程和概率原理，筛选预报因子，建立预报方程。将近期气象要素代入方程，即得所需的预报值。这种方法的效果主要取决于因子的正确选择。

动力-统计预报方法

将数值预报方法算出的未来气象参数作为预报因子，用回归方程求得一组预报公式，作出要素预报。随着数值模式的改进，此法的准确率可能稳定提高。

天气预报种类编辑本段回目录按天气预报的时效长短，可分为：

短时预报：根据雷达、卫星探测资料，对局地强风暴系统进行实况监测，预报它们在未来1－6小时的动向。

短期预报：预报未来24－48小时天气情况。

中期预报：对未来3－15天的预报，主要包括受何种天气过程影响，能否出现灾害性天气，以及主要的天气变化趋势。

长期预报：常指1个月到1年的预报。主要应用统计方法，根据各月气象要素平均值与多年平均值的偏差进行预报。用数值预报方法制作长期预报的方法正在试验之中，已有了一定的进展。预报时效1－5年的称为超长期预报，5年、10年以上的则称为气候展望。

按预报范围的大小，可将天气预报分为：

1、大范围预报。一般指全球预报、半球预报、大洲或国家范围的预报。主要由世界气象中心、区域气象中心及国家气象中心制作。

2、中范围预报。常指省（区）、州和地区范围的预报，由省、市或州气象台和地区气象台制作。

3、小范围预报。如一个县范围的预报、城市预报、水库范围的预报和机场、港口的预报等，这些预报由当地气象台站制作。

天气预报哪个软件是最准确的?

梅雨期2022

2022年7月8日-15日。

因为每个地区的气温不同，所以2022年出入梅花的时间也不同。但一般6月中旬入梅，7月上半月出梅，持续20天左右。但也有晚招晚走梅花的情况。比如2020年的梅雨区，梅花入梅早，出梅晚，持续时间长。当年，浙江在5月底正式进入梅雨季节，比以前提前了十天。

一般来说，2022年的雨季会在六月初开始，七月初结束，持续二十天左右。预计今年各地将在6月10日前后正式入梅，出梅时间在7月中旬。雨季来了，一定要注意家里的东西，多检查，不要发霉。

江苏泰州_梅雨2022年

1.2022年江苏什么时候入梅？

2022年江苏雨季6月23日正式进入5月。据江苏省气象台和南京市气象台最新召开的新闻发布会，宣布南京从6月23日起正式进入雨季。另外，江苏省淮河以南地区也有望在6月23日入梅，所以今年江苏的雨季是6月23日星期四。

1.江苏今年是大器晚成吗？

属于晚梅花。因为常年平均的梅花日是6月19日，今年的梅花日是6月23日，有点晚。由于梅雨带由北向南摆动，强对流天气多，有明显的间歇性降水和阶段性高温。同时，淮北也将从6月23日开始进入多雨期。

2.今年江苏五月雨季天气怎么样？

据江苏省气象台首席预报员最新介绍，今年雨季前期我省高温天气仍将持续，强对流天气将更加频繁。6月24日后，江苏省中北部地区预计将出现短时强降水、雷雨大风甚至冰雹天气，需多加防范。预计未来一周江苏将有两次明显降雨过程，分别在22日夜间至24日和27日至28日。23~26日，有短时强降水、雷暴大风、小冰雹等强对流天气。22日中北部、23日沿江、苏南、24-25日沿淮、淮北有35℃以上的高温天气。

3.今年江苏的梅雨量有多少？

梅雨平均量200-260毫米。其间淮北地区平均降雨量170-230毫米，较常年偏多。

2.2022年江苏梅花什么时候开？

据江苏省气象台首席预报员最新介绍，预计2022年7月中旬出梅。江苏近几年的梅雨持续时间如下:

1.2021年江苏省气象台发布梅雨预报，淮河以南局部地区于6月13日正式进入梅雨。

2.2020年江苏雨季从6月9日开始，7月21日结束，雨季持续43天。

3.2019年江苏6月18日至7月21日进入梅雨期。梅雨期的总长度为33天，比正常的梅期23至24天要长。

4.2016年江苏的雨季持续了32天。

一般来说，2022年江苏省雨季6月23日正式进入梅季，一般7月份出来。根据江苏省最新的天气预报，今年7月上旬将会出梅花。

无锡黄梅天过了吗2022

2022年梅雨季节时间在5月下旬至6月下旬出现。因为每年梅雨期发生在芒种和小暑这两个节气期间，而今年芒种是6月6日，而小暑是7月7日。

所以预计我国长江中下游地区梅雨季节将从6月上旬开始，而根据往年各地入梅时间来看，都不是统一的，会相隔几天。像2021年上海于6月10日入梅；江苏苏州6月10日入梅，淮河以南地区入梅6月13日才入梅。

注意。

2022入梅标准：连续5日平均气温超过22℃，有4天为雨天才算是入梅。而根据近期上海天气预报来看，还没有正式入梅，最低气温还在16-18度之间。

2020年到2022年疫情走势图

大数据疫情观察：全国疫情高峰过了么？

腾景宏观金融大势研判

2022-12-2317:23·来自北京

腾景宏观快报

2022年12月23日

大数据疫情观察：全国疫情高峰过了么？

——基于腾景AI高频模拟和预测

腾景高频和宏观研究团队

本期要点：

针对预测到底准不准，全国疫情是否已经见顶的问题，我们增加了28个城市的地铁客运量日度数据进行辅助判断。非网民样本的缺失可能会导致预测结果有偏。

大数据不完美，应用大数据做宏观经济预测并非完美无缺，我们分析了谷歌流感趋势何以失灵。原因可能包括：媒体对谷歌流感趋势的大幅报道导致人们的搜索行为发生了变化，用户的搜索行为反过来也会影响GFT的预测结果。

当前全国疫情或尚未达峰，但是达峰进程可能会有所提前。借助地铁客运量数据进行辅助验证，我们判断北京、石家庄、武汉、重庆等城市已经度过疫情峰值，成都、天津、长沙、南京、西安等城市尚未达峰。

一、预测到底准不准？预期与现实相互验证

在上期《大数据疫情观察：中心城市率先迎来峰值》报告中，我们分析并给出了北京和河北部分城市疫情已经迎来“拐点”，成都、昆明等城市将陆续见顶的预测判断。根据百度搜索指数数据，北京百度“发烧”搜索指数持续下降，“咳嗽”搜索指数后于“发烧”见顶，这基本上印证了我们模型的预测。但是，我们也注意到2022年12月17日全国范围内“发烧”指数见顶，这是否意味着全国疫情的见顶？如果这样，这个数据与一些防疫专家的春节前后见顶的判断就有所出入。也有专家认为全国疫情可能虽然尚未达峰，但是进程缩短了。

但根据字节跳动的“巨量算数”，抖音“发烧”搜索指数于12月17日见顶，但头条“发烧”搜索指数仍在震荡上行。在朋友圈广为传播的知乎“数据帝”的预测里面，2022年12月20日前后大部分省市相继达到感染高峰，那么，很多研究者都想确认的是，站在2022年12月23日，全国范围内的单日新增感染有没有达峰？有人认为预测很准，和自己这些天在互联网上对疫情的感知较为一致；有些人则认为不准，认为身边的亲戚朋友们都阳了，而预测进度条还不到一半，个人体感和预测结果有较大差异。

与此同时，我们注意到了在2022年12月16日前后，全国几乎所有城市、省份“发烧”搜索指数迎来了“先扬后抑”的脉冲式增长，后续日度数据再也没有高于16日当天的值。这意味着疫情最艰难的阶段已经度过了么？通过对百度、头条疫情病症搜索引擎数据进行数据挖掘和建模分析，可以为疫情未来趋势研判提供重要参考。不过我们理解，为了定量评价疫情进展，还需要引入更多数据。

由于没有权威数据作为参考，各类疫情的预测仅仅是基于直觉、推理或演绎的带有参数的模型预测，预测准不准，缺乏客观权威作为结果比较，所以很难客观衡量预测是否准确，只能通过参与这件预测的所有观众和读者通过微观的数据，周围疫情扩散程度去验证预测结果，一个城市不同群体感染的先后，不同城市感染达峰的节奏，都会对预测是否准确有不一样的理解。

模型有局限性，逻辑假设的适用性，缺乏权威数据作为验证，难道就不需要预测了吗？托马斯·库恩和卡尔·波普尔就“科学哲学”这个概念展开了20世纪最具影响力的对峙。他们都以自己的方式深奥地从哲学的角度质疑科学的基本前提。库恩的《科学革命的结构》指出，即使现有的范式所预测的结果在现实中存在反例，现有的科学家也不会认为其范式有问题；只有可替代现有范式的新科学范式出现，并且反例达到了一定的数量，现有科学范式才可能被证伪，科学革命才会发生。从批判的角度来看对预测过程的否定也是发现新预测方法的过程。

量子基金的乔治·索罗斯推崇的哲学家卡尔·波普尔最著名的观点是科学是通过“可证伪性”进行的——人们无法证明假设是正确的，甚至无法通过归纳法获得真理的证据，但如果假设是错误的，则可以反驳它。根据波普尔的观点，只有可被经验证伪的理论体系才应被赋予真正的科学地位。因此，波普尔提倡大胆假设，用证伪的方式去不断试错，不断修正，而不是提出假说，然后到处找支持自己理论的根据。“证伪”也是索罗斯所一直推崇与实践的思考方式。

二、地铁客运量作为疫情达峰的重要辅助观察指标

因此，我们从疫情出发，回到经济，从多维度验证疫情的峰值。地铁客运量无疑是很好的观察指标，一个有地铁城市的客运量受若干因素影响：1、出行管制，2、出行意愿，3、地铁的便利程度。

从数据上来看，北京、上海作为全国地铁保有量最高的两个城市，也是日均客运量最高的两个城市，地铁数据较高的反映了疫情的高低，同时地铁客运量的日度数据公布滞后1-3天，还算比较及时，从数据收集角度看，地铁数据来自于物联网设备自动采集，人工干预的影响较小，数据具有充分的客观性，可以作为疫情的第二类主要观察变量。

图：上海地铁客运量

▲数据来源：Wind、腾景AI经济预测

上图是2019年12月至今的上海地铁客运量数据，比较明显的是2020年初的武汉疫情，2022年4月的上海疫情，和2022年12月的全国疫情。由于地铁客运量遵循周一至周五高，周六日低的原则，日度数据信息量有些冗余，后续我们通过比较周度平均数据，可以过滤短期的日内数据波动。

图：上海地铁客运量

▲数据来源：Wind、腾景AI经济预测

比较北京地铁客运量，也可以看出2022年4月，上海地铁停运7周左右，北京虽然没有停运，但周度地铁客运量均值从近三年日常的800万降低到100万以下。值得注意的是，2022年9月之后的北京地铁客运量明显低于上海，这一方面是疫情，另一方面也是北京地铁需要全网查验72小时核酸，11月24日进一步缩短到48小时，12月5日起这一政策被解除。

图：北京地铁客运量

▲数据来源：Wind、腾景AI经济预测

图：十大城市地铁客运量7日移动平均，协同性高度一致

▲数据来源：Wind、腾景AI经济预测

基于此数据，我们认为北京疫情高峰已过，但全国整体疫情高峰并非如百度搜索指数和头条指数显示的那样已经见顶，而是处于快速发展期。我们建立了四阶段数据模型，辅助验证各城市是否达峰。如下图所示，北京、武汉、重庆、沈阳、石家庄、兰州、昆明地铁客运量已经企稳回升，目前处于第四阶段；成都、天津、长春、郑州、广州、厦门、深圳、西安、上海、南京等城市仍处于达峰进程中的第三阶段。由于移动平均有可能会带来数据滞后，后面，我们用真实数据做了测试。

图：疫情扩散进程

▲数据来源：腾景AI经济预测

图：国内部分城市地铁客运量

注：十大城市是指：北京、上海、广州、成都、南京、武汉、西安、苏州、郑州、重庆，下同。

▲数据来源：Wind、腾景AI经济预测

在以日度为单位的疫情进展中，如果当天地铁出行数据出现回升，应该主要看两个数据，第一是同比，第二看环比。

根据日度数据，北京地铁出行，无论是环比还是同比，均处于上行阶段，这与见顶判断一致，其他有可能见顶的是武汉、重庆、成都。而上海、广州、南京、苏州、西安等地铁客运量仍在持续下滑，这表明疫情仍在达峰进程中。

图：国内部分城市地铁客运量

▲数据来源：Wind、腾景AI经济预测

由于地铁客运量同比数据下滑严重，我们判断：上海、广州、南京、西安、苏州、郑州等城市的疫情仍在达峰进程中，北京、武汉、重庆同比转正，预计已度过疫情高峰。

图：28个城市地铁客运量及周度同比

▲数据来源：Wind、腾景AI经济预测

三、预期如何与现实相互影响？

放开疫情管制后的经验有很多，无论是疫情见顶的节奏，对消费，劳动参与率的影响，都有较多国家可以参考。这无疑给了我们一些预期，14亿人口的放开和中等规模人口国家放开又有所区别。国内传染病专家也在各类媒体上表示春节前后，明年一季度疫情达峰等等，释放这样的未来见顶信号。但是从北京和多数城市的感知中，疫情似乎见顶的早于我们的认知，那么到底哪里会出问题呢？

政策指标失灵：古德哈特定律

当多数互联网参与者都知道百度搜索指数能够间接代表疫情的时候，它可能就不准了，在某种程度上，它就是古德哈特定律在疫情上的体现。古德哈特定律是出自于英国经济学家查尔斯·古德哈特的说法，指的是：当一个政策变成目标，它将不再是一个好的政策。其中一种解释为：一项社会指标或经济指标，一旦成为一个用以指引宏观政策制定的既定目标，那么该指标就会丧失其原本具有的信息价值。

毫无疑问，在大多数人不知道“百度疫情指数”的重要性的情况下，它大概率还是有效的，内涵逻辑为搜索量大数据间接反映了大部分的居民自发的网络搜索行为，“发烧”搜索在一定程度上和阳性有症状是一回事。但是，在官方媒体和自媒体都在报道的情况下，这一指标会引发更多的搜索，而这些搜索和疫情本身并没有关系，而是互联网流量带来的效应。

网民搜索行为的偏移可能造成数据污染

我们比较了石家庄、兰州、北京、武汉、重庆、沈阳、昆明、成都、天津等城市的地铁客运量，发现都经历了政策放松而上行，疫情攀升客运量下行，疫情高峰度过再度上行这一数据变化模式。目前大部分城市仍处在疫情攀升客运量下行这一阶段，全国疫情的顶峰目前并没有到来，而百度指数给出的“发烧”搜索指数已经见顶，我们判断12月16日及之后的百度“发烧”搜索指数可能出现了异常，核心逻辑是12月16日，全国所有城市都出现了一个攀升，随后下降，这种能够同一时间影响所有城市的因素大概率不是以一定规律传播的病毒造成的，而是其他因素造成的数据“污染”。

样本缺失：60岁及以上老年人非网民群体

我们知道百度指数、头条指数、微指数是基于海量网民行为数据进行数据挖掘分析的数据产品，因此非网民的行为数据自然被排除在研究样本之外。

中国互联网信息中心2022年8月31日发布的第50次《中国互联网络发展状况统计报告》显示，截至2022年6月，我国非网民规模为3.62亿，这是一个不小的基数。从地区来看，我国非网民仍以农村地区为主，农村地区非网民占比为41.2%。从年龄来看，60岁及以上老年群体是非网民的主要群体。据此可见，非网民地域上主要分布在农村地区，年龄上以60岁及以上老年群体为主。

这个基数不小的非网民群体检索行为的缺失导致本来应该出现的检索结果游离于样本之外，导致“发烧”等病症搜索指数被低估。根据美国疾病控制与预防中心的报告，患重症COVID-19的风险会随着年龄、残疾和基础疾病的增加而增加。在后期的奥密克戎期间，大多数院内死亡发生在年龄≥65岁的成年人和患有三种或更多种基础疾病的人群中。

图：世界各国家和地区每日确诊的COVID-19病例

注：由于检测有限，确诊病例数低于真实感染数，数据截至2022年12月21日

▲数据来源：约翰·霍普金斯大学CSSECOVID-19数据库，ourworldindata.org、腾景AI经济预测

图：世界各地区每日确诊的COVID-19病例

注：由于检测有限，确诊病例数低于真实感染数，数据截至2022年12月21日

▲数据来源：约翰·霍普金斯大学CSSECOVID-19数据库，ourworldindata.org、腾景AI经济预测

大数据不完美，谷歌流感趋势为何失灵？

早在1980年，未来学家阿尔温·托夫勒在《第三次浪潮》一书中，就提出了“大数据”的概念。自古至今，预测一直是人们十分期待的能力，而大数据预测则是数据最核心的应用，其逻辑是每一种非常规的变化事前一定有征兆，每一件事情都有迹可循，如果找到了征兆与变化之间的规律，就可以进行预测。

利用大数据方法和技术进行宏观经济研究和分析，在国际上已有先例。在大数据分析的视野中，它不仅仅是要搞清楚宏观统计规律，更要弄清宏观数据中的精细结构。基于研究的视角，大数据时代为宏观经济分析提供强大的支持，正在改变宏观经济研究范式。

各国央行等主流金融机构研发并采用即时预测模型以实时追踪经济状态的变化，在被大量社会化信息淹没前就找到可靠的信息源，从而动态地调整对经济指标的预期。包括纽约联储的Nowcasting模型、WEI模型、亚特兰大联储的GDPNow模型以及英格兰银行的MIDAS模型等。

根据DidierSornette教授的“龙王”理论，极端事件的发生有两个条件：系统的一致性与协同性。当系统的一致性非常强时，黑天鹅式的极端事件容易发生。当系统的一致性和协同性同时加强时，会发生超越“黑天鹅”的更极端的“龙王”事件。

“黑天鹅”也好，“龙王”也好，都不是孤立的事件，而是一系列强烈关联的事件，体现了正反馈的强大作用。什么时候股市可以预测？关键就在于股市变化前后关联的程度。

2008年谷歌推出的GoogleFluTrends系统，其动机是能够及早发现疾病活动并迅速做出反应可以减少季节性流感和大流行性流感的影响,通过分析收集到的大量Google搜索查询，以揭示人群中是否存在流感样疾病。这个逻辑和想法其实很简单直观——如果你生病了，你很可能会在搜索引擎上搜索以查找信息，比如如何治疗。谷歌决定要跟踪这些搜索，并使用这些数据来尝试和预测流感流行，甚至在疾病控制中心等医疗机构能够做到之前。

2009年通过谷歌累积的海量搜索数据，“谷歌流感趋势”成功预测了H1N1流感在美国境内的传播，一战成名。有报告指出，谷歌流感趋势能够在美国疾病控制和预防中心报告流感爆发前10天预测区域性流感爆发。GFT这种预测能力显然具有重大的社会意义，可以为整个社会提前控制传染病疫情赢得先机。

于是谷歌在其网站上创建了一个奇特的方程式来计算出究竟有多少人感染了流感。简单理解的数据逻辑是这样的：人们的位置+谷歌上与流感相关的搜索查询+一些非常聪明的算法=美国流感患者的数量。

线性模型用于计算流感样疾病就诊的对数几率和相关搜索查询的对数几率：

P是医生就诊访问的百分比，Q是在前面的步骤中计算的与ILI相关的查询分数。β0是截距，β1是系数，ε而是误差项。

谷歌流感趋势已被证明不是一直准确的，尤其是在2011年至2013年期间，它高估了相对流感发病率，并且在2012年至2013年流感季节的一个时间段内预测就诊次数是CDC记录的两倍。2013年《自然》杂志发表的一篇文章称，谷歌流感趋势将流感病例高估了约50%。

可以看到，应用大数据做宏观经济预测并非完美无缺。经济学家、作家TimHarford认为，“谷歌流感趋势的失败凸显了不受约束的经验主义的危险”。对GFT失败的一种解释是，新闻中充斥着

图：谷歌流感趋势ILI估计与CDC估计的比较

▲数据来源：ImprovingGoogleFluTrendsEstimatesfortheUnitedStatesthroughTransformation,LeahJMartin,BiyingXu,YutakaYasui,腾景AI经济预测

2013年，谷歌调整了算法，并回应称出现偏差的“罪魁祸首”是媒体对GFT的大幅报道导致人们的搜索行为发生了变化。GFT也似乎没有考虑引入专业的健康医疗数据以及专家经验，同时也并未对用户搜索数据进行“清洗”和“去噪”。谷歌在2011年之后推出“推荐相关搜索词”，也就是我们今天很熟悉的搜索关联词模式。研究人员分析，这些调整有可能人为推高了一些搜索指数，并导致对流行发病率的高估。举例来说，当用户搜索“发烧”，谷歌会同时给出“喉咙痛和发烧”、“如何治疗喉咙痛”等关联推荐词，这时用户可能会出于好奇等原因进行点击，造成用户使用的关键词并非用户本意的现象，从而影响GFT搜索数据的准确性。用户的搜索行为反过来也会影响GFT的预测结果。在充斥媒体报道和用户主观信息的搜索引擎的喧嚣世界里，也同样存在“预测即干涉”悖论。国内搜索引擎指数上大概率也会出现类似的情况，这是我们结合GFT的经验对预期差异给出的一种解释。

图：巨量算数“发烧”关联搜索词

▲数据来源：巨量算数、腾景AI经济预测

参考文献

[1]CNNIC：第50次《中国互联网络发展状况统计报告》

[2]

[3]AdjeiS,HongK,MolinariNM,etal.MortalityRiskAmongPatientsHospitalizedPrimarilyforCOVID-19DuringtheOmicronandDeltaVariantPandemicPeriods—UnitedStates,April2020_June2022.MMWRMorbMortalWklyRep2022;71:1182_1189.DOI:

[4]

[5]

[6]Lazer,D.,R.Kennedy,G.King,andA.Vespignani.2014.“TheParableofGoogleFlu:TrapsinBigDataAnalysis.”Science343:1203_1205.

更多重磅研究成果请关注公众号“腾景AI经济预测”。

搜索

天津感染高峰预测

天津死了多少新冠患者

全国疫情死亡总人数

中国疫情已死多少人

中央下达疫情最新政策

全国疫情最新消息

2022西安雨季一般在几月份

西安是比较有特色的一个城市，它有各种文化底蕴，还有各种美食小吃，深受人们喜欢。最近一段时间，西安地区总是下雨，一直处于阴雨天气之中，这个是比较正常的现象，它主要是受副热带高压、全球变暖以及地理位置影响导致的。

2021为什么西安9月喜欢下雨

1.副热带高压

九月，西安下了十多天的雨。从历年气象资料来看，西安9月份多雨是正常的。事实上，未来十天半的可能性相对较高。

西安属暖温带半湿润大陆性季风气候，雨量适中，四季分明。冬季寒冷，多风，多雾，少雨少雪；春天温暖、干燥、多风、多变；夏季炎热多雨，夏季干旱突出，雷雨大风；秋天天气凉爽。年降水量500～750mm，以夏秋季为主；西安夏秋两季长期处于副热带高压西北部，冬季盛行西南风和东北风。

副热带高压在北半球冬季占据太平洋。随着太阳直射点向北移动，副热带高压也逐渐向北移动。副热带高压西北缘易与冷空气结合形成降水。但受地形、副热带高压强度等因素影响，春季降水主要集中在华东和华南地区，也导致5月左右西安出现降水高峰。夏季，西安受副热带高压控制，短期暴雨较多。秋季来临时，副热带高压的西北边缘在向南退却时再次经过西安，导致9月份西安持续降水。

2.全球变暖

全球变暖的影响是复杂的。目前，降雨的总体体现是降雨带的北移，但这种北移并不仅仅是一种平移。其规模和范围具有地方特殊性。例如，在全球气温逐渐升高和降雨带北移的背景下，陕西省的降水量从20世纪90年代到新世纪初逐渐减少。

3.地理位置

事实上，西安所在的关中盆地水系并不丰富，水域面积相对较小，难以形成大量的局部热对流。盆地南部是秦岭山脉，是东部最高的山脉。对四川来说，西北太平洋副热带高压的西南气流将温暖潮湿的空气从印度洋输送到四川盆地，并在青藏高原北部遇到冷空气，在9月和10月在中国西部形成一场持续的秋雨。然而，由于秦岭的存在，许多暖湿气流在攀登秦岭南侧的过程中形成地形雨，很难进入关中盆地，这直接导致关中和汉中两种截然不同的干湿气候。

西安的雨季是什么时候

西安的雨季是7月、8月和9月。西安有两个明显的降水高峰，分别在7月和9月。西安市年平均降水量为558～750mm，由北向南递增。它每年都在变化。

9月，中国南部，即北回归线附近地区，远未降温，温暖的空气仍在那里盘旋，等待来自欧亚大陆深处的冷流将它们赶走。

不仅在中国南部，而且在南亚和中东的亚热带地区，他们也在等待同样的结果。此外，由于两个副热带高压都在沿海，大量的水蒸气也在蒸腾，但由于天气炎热，没有太多的水蒸气凝结成雨水。

从9月到10月，副热带高压向南移动，雨带返回中国西部。据说有阴雨天气。这场连绵不断的秋雨也有一个学名，叫做“中国西部的秋雨”和陕西的“秋雨”。它在中国西部的一些地区很常见，通常在9月份出现在西安。在南部副热带高压的影响下，天气一般持续约两至三个星期。

下雨天衣服怎么干得更快

1.纸巾压榨机

洗完衣服后，不管你怎么用力拧衣服，衣服上总是有很多水。你可以用纸巾熨衣服。纸巾吸水性很强。更多的纸巾可以使衣服上的水变干。

2.拧干毛巾

我们用干毛巾帮助拧干。首先用干毛巾裹住湿衣服，然后用力拧。这时，衣服上的水会被毛巾吸收。最好选择吸水性强的毛巾。

3.加入干毛巾，摇匀

我们也可以用洗衣机烘干。我们可以用洗衣机晾干一次，然后在第二

天气预报都有哪些天气

天气预报软件比较准的有快频彩虹、天气现在、2345天气王、彩云天气、天气通。

天气预报（测）或气象预报（测）是使用现代科学技术对未来某一地点地球大气层的状态进行预测。从史前人类就已经开始对天气进行预测来相应地安排其工作与生活（比如农业生产、军事行动等等）。

今天的天气预报主要是使用收集大量的数据（气温、湿度、风向和风速、气压等等），然后使用目前对大气过程的认识（气象学）来确定未来空气变化。由于大气过程的混乱以及今天科学并没有最终透彻地了解大气过程，因此天气预报总是有一定误差的。

我国中央气象台的卫星云图，就是从“风云一号”等气象卫星摄取的。利用卫星云图照片进行分析，能提高天气预报的准确率。天气预报就时效的长短通常分为三种：短期天气预报（2～3天）、中期天气预报（4～9天），长期天气预报（10～15天以上）。中央电视台每天播放的主要是短期天气预报。

墨迹天气分析报告

天气预报就是应用大气变化的规律，根据当前及近期的天气形势，对某一地未来一定时期内的天气状况进行预测。它是根据对卫星云图和天气图的分析，结合有关气象资料、地形和季节特点、群众经验等综合研究后作出的。如我国中央气象台的卫星云图，就是我国制造的"风云一号"气象卫星摄取的。利用卫星云图照片进行分析，能提高天气预报的准确率。天气预报就时效的长短通常分为三种:短期天气预报(2~3天)、中期天气预报(4~9天)，长期天气预报(10~15天以上)，中央电视台每天播放的主要是短期天气预报。

报告的天气类型具体如下：

晴：天空云量不足3成。

阴：天空云量占9成或以上。

雾：近地面空中浮游大量微小的水滴或冰晶，水平能见度下降到1公里以内，影响交通运输。

小雨：日降水量不足10毫米。

大雨：日降水量25.0－49.9毫米。

雷阵雨：忽下忽停并伴有电闪雷鸣的阵性降水。

冰雹：小雹核随着积雨云中激烈的垂直运动，反复上升凝结下降融化，成长为透明层相间的小冰块降落，

对农作物有影响。

冻雨：雨滴冻结在低于0℃的物体表面的地面上，又称雨淞（由雾滴冻结的，称雾淞），常坠断电线，使

路面结冰，影响通信、供电、交通等。

雨夹雪：近地面气温略高于0℃，湿雪或雨和雪同时下降。

小雪：日降雪量（融化成水）不足2.5毫米。

中雪：日降雪量（融化成水）2.6-4.9毫米。

大雪：日降雪量（融化成水）达到或超过5.0毫米。

霜冻：温度低于0℃的地面和物体表面上有水汽凝结成白色结晶的是白霜，水汽含量少没结霜称黑霜对

农作物都有冻害，称霜冻。

怎么查看过去的天气记录

一、市场概况

墨迹天气是一款通过手机、平板或TV等终端向用户提供天气信息的应用，2010年创建以来，累计装机用户达到5.56亿。易观数据统计表明，截止2018年，墨迹天气在应用全网排名31位，一级领域实用工具排名第二，二级领域天气类应用排名第一位，占据市场份额50%以上，是名副其实的天气类独角兽。

2017年8/9/10三个月，墨迹天气月活跃用户量均破亿，其中九月份达到了11262.65万，接近淘宝用户的四分之一，远超其他同类应用。在品牌认知度和用户满意度方面，墨迹天气在行业中也处于领先地位，占据市场主要位置。

2018年初，据北京墨迹风云科技股份有限公司向证监会递交的创业板招股书显示：2017年墨迹天气的净利润是4729.32万元。

墨迹天气的主要营收来自广告收入，占据90%以上，营收单一。近年来，移动设备附带天气应用和其他应用增加天气预报类模块的比例越来越高，且精度也越来越高，墨迹天气的流量正在被侵蚀。此外，90%以上的用户只安装一款天气类应用，说明了市场上天气预报类应用的准度接近，一款应用就可以实现用户需求。尽管墨迹天气因为入门早，形成用户路径依赖，占据着庞大的流量，但和其他同类应用之间的核心功能差异并不明显，可替代性高，没有形成明显的竞争壁垒。

二、用户分析

1、用户画像

墨迹天气用户以中年及以上人群为主，高达90%，其中30~50岁的约占75%，50岁以上的约占15%，男女比例3:2，以男性为主，中年人对天气有更多的需求。在地域分布上，超越五层的用户来自华东和华中，主要集中在人口多，流动大的省份和地区，其中山东、河南、江苏的最多。

30岁以后，大多数人生活趋于稳定，关注点慢慢集中到家庭和工作上，他们开始计划工作和生活，关注能够影响计划的任何事件，中年男性更加注重规避风险，对生活的规划性的要求也较高。墨迹天气的用户画像是：男性为主，年龄30至50岁，人口多流动大地区，追求规划生活和生活品质的人群。

2、用户使用路径

从用户角度出发，用户进入APP的场景有以下几种：早晚：确定天气，第二天着装，雨具，出行方式；外出：查看特定地点未来特定时间段的天气，随时关注；异常天气的关注：对自己的影响（担心亲朋好友，或者自己做好预防准备），或者好奇关注国家大事。

从中可以提炼出用户需求：

需要查询当地未来一天或几天的天气情况；需要查询异地天气，并有渠道获得当地的实时情况；需要能够了解全国甚至世界各地的极端天气情况；需要一个能够记录，并分享好天气好心情的平台。

用户集中在30岁以上，这群人既要为事业，也要兼顾家庭，时间碎片化，没有整体的时间去关注外界。然而，这类人却更加渴望和外界的沟通，了解外界的信息。因此，有价值的信息也是用户的需求。

三、功能分析

墨迹天气最核心的四大板块：天气、时景、商城和我。用户进入墨迹天气最核心的目的是为了获得今天或者近几天的天气情况，在满足这一核心需求的基础上，可以衍生出时景社交和电商盈利的可能。

1、天气板块

作为一款天气类的工具型应用，相信所有用户最关心的就是天气预测功能。我们来对比一下，墨迹天气和其他同类应用的天气预报情况：

从图中可以看出：无论是月活较高的墨迹天气，还是月活较低的7日天气预报，7天内的天气预测情况大体一致，这说明：天气预测方面，墨迹天气并不占优，天气是刚需，墨迹天气并不是刚需，功能上没有有效壁垒。

此外，特定时间的天气，同一款应用不同日期预测的结果也有所不同，这说明：天气预报还需要继续改进；用户需要时时关注天气，使用应用的机会多；不同应用的天气预测差异性小。作为一款应用，用户体验最重要。我们来看一下，墨迹天气在天气功能页面的排版。

墨迹天气天气功能页面整体呈蓝色，背景是一片湖泊，湖泊里有一座古亭，更远处是朦胧的山脉，画面唯美，呈现东方古韵。页面，最下方是当天和第二天的天气情况，右下角是一个穿衣助手，还有一个实时语音播报，左上角是当天的天气情况，右上角是三个功能入口。整体来说，天气功能页面给人的感觉很舒适，一眼就能看到当天的天气情况。

三个功能入口：

第一个是类的广告；

第二个点进去是空气质量情况，下拉则出现一个高德的地图；

第三个是短时天气情况，下面配有一张高德地图的动态云图。

天气功能页面，用户能够获得的信息，总结如下：天气信息，空气情况，穿衣建议以及广告内容。天气功能页面的输出内容少，有价值的信息也非常少。广告插入和广告入口，一定程度上降低了用户体验，间接拉低了应用的专业性和专一性。

一款应用若想要提高用户使用时间并获利，最重要的是可信、可靠，即提供的咨询或服务是靠谱的，一款工具类应用的专业性、专一性、精细化是提高用户信任度的关键。

如果我是PM：

a、增加内容输出，丰富预测内容，让用户获得更多有价值的信息，例如：以图文形势推送天气元素：气压情况、云层运动，空气湿度等，估算可能对天气造成的影响以及影响时间长短；

b、建立‘天气+’的内容输出模式，让用户获得更多有价值的信息，例如：建立天气类新闻版块，时时报导各地气候情况，加大对极端天气和气象奇景的信息输出。

c、增强核心功能，降低可替代性，形成明显的竞争壁垒和品牌效应，例如：统计各地区污染企业排放情况、车辆信息、建立模型、对未来空气情况作出预测（例如预测东北地区冬季的雾霾情况），做一个民间的天气监督和报导机构。

2、时景社交板块

时景功能是一个主打社交的版块，是墨迹天气搭建的一个时景社区，为用户提供气象信息的实时分享互动平台。也就是说时景社区是一个以天气为主题，以为载体的分享社交平台，核心功能是提供实时气象信息，然后基此衍生出交流互动。

墨迹天气时景版块分为：身边此刻、时景动态、时景专题、时景活动、明信片、热图推荐、排行榜单、观云识天、航拍专区、积分商城十个部分。此外在下面还分有：推荐、天空、风景、航拍、建筑、任务、植物、萌宠和其他九个版块。

下拉则是身边此刻、热门城市、城市排行榜、官方认证榜、官方推荐榜、摄影知识和世界此刻六个板块。

时景社区共有15个板块，显得有些乱，让人眼花缭乱，不知道怎么才能检索出有效信息，且内容多有重复。

交互方式：关注、点赞、收藏、转发和评论。

时景社区重在社交，从中随机选出30组用户进行统计，统计规则如下：建户时长6个月以上，发图量100张以上，‘身边此刻’10组，‘时景活动’20组。

统计得知：

a、用户男女比例接近3：2，和用户画像一致，女性集中在30到40岁，男性集中在50岁左右，且占总人数的30%；

b、发图数量，30左右女性和50岁上下男性用户发图量最大，平均超过500张，是时景社区的主要‘产粮’群体，并且在男性中，年龄越大发图量越大；

c、发图频率，以月为单位，交流互动较少；

d、女性发图地址多集中在一地或附近，男性多以旅拍为主；

e、高质量发图人数不足10%，数量不足5%；

f、高质量交互次数明显较高，活跃人群中经常出现50岁人群的身影。

从中可以得出，时景社区缺乏高质量，交流互动少，主要用户群体为50岁左右男性和30至40岁女性，男性用户年龄更加集中。

分析原因：30岁女性大多已经生儿育女成为宝妈，而且孩子已经2-5周岁，如果是全职太太，就会有更多的时间来关注生活，分享生活；而50岁左右的男性用户已经脱离了家庭生活的压力，这些人既有时间也有储蓄，开始关注生活质量，喜欢旅游。

个人对时景社区体验：交互功能单调，交流少，质量偏低，用户粘度低，交互频率低。

作为一款依附墨迹天气的社交版块，坐拥百万流量，为什么用户的粘度和交流频率如此低？

从时景社区的版块模型上可以看出，时景社区的关注点重在量，而不是质上，缺少深耕和分析主流用户群体的需求。

如果我是PM：

a、精准定位用户群日，提供针对性方案，以点破面，例如：50岁左右人群的旅行需求；

b、增加交互方式，使墨友之间更加方便交流，例如：增加私信、问询和同城墨友聚会，异地碰面功能；

c、精简社区模块，改为下拉式，增强搜索功能，例如，将天空，风景航拍等功能选项整合进搜索功能；

d、整理资源，形成优质素材库，增加用户使用粘度；

e、分析用户需求，增加优质来源，例如：与自由行爱好者、专业摄影合作，增加高质量作品；

f、开通一图一故事版块，单调的图是死的，故事才是活的，缺少故事的是失去灵魂的躯壳，人们更喜欢关注所带来的故事和联想；

g、增加输出内容，优质的有用的视频，等信息：可以参考微信中的腾讯新闻运营。

3、?商城版块

该版块已被删除。墨迹天气商城页面，也和时景版块存在一样的问题：分区太多，眼花缭乱。仔细看后，会发现这就是一个缩小版的淘宝和京东，卖的东西很杂，汽车配饰、钓具等，这些商品和天气的关联性不大，公信度和淘宝京东更是没法比。说好的“优选”呢？

据墨迹天气在证券监督管理委员会提交的上市申请文件，墨迹天气的收入95%以上来自广告，商城的收入可以说微乎其微。也正是因此，墨迹天气才决定将其下架。

如果我是PM：

恢复商城，墨迹天气并非不能拥有商城，而是应该给商城一个更加精准的定位。

精细化运营，以点破面：初期，仅上架天气衍生商品，并提供性价比测试结果参考，从用户的角度出发，真正做到墨迹精选，例如：高质量的雨具、性价比高的空气净化器等。

4、我 板块

‘我’版块主要包括会员中心、墨迹资讯、皮肤小铺、个性助手、背景小铺、生活、、休闲和本地服务等。

小小的一个版块却包罗万象，资讯、皮肤、生活、、小说、明信片、二手车等等，几乎涉及用户生活的方方面面。然而，该版块犯了和时景社区以及商城同样的错误，表面上看似满足了不同用户的不同需求，其实并没有方便用户。不仅使应用显得臃肿，反而降低了用户体验，拉低墨迹天气应用的专业性。

一款优秀的应用绝对不会将问题复杂化，而是帮助用户解决问题。试想一下，当你打开墨迹天气的各个版块时，第一感受是什么？绝对是‘内容’太多，眼花缭乱，需要花很长时间，才能了解各个板块，然后从中筛选有用的信息。

‘选择’最难。因为能够满足用户同一需求的东西太多了，他们需要从中选出最好的，最合适的。学习，生活，工作，压力无处不在，选择无时不存，用户早已身心俱疲，怎么还会有耐心和时间去慢慢了解一款应用的各个方面。能够满足他们的东西太多太多了，第一感官不佳，立马就会转向更加用户化的产品。一款应用，用户不能第一时间找到有效的信息，就说明已经偏离了航道。

如果我是PM：

简化版块，只保留核心功能：设置、皮肤等必要功能；

优化天气预报闹铃功能，使其更加的实用化，功能多样化，融入用户生活的方方面面，例如：开发小程序：墨迹移动端PC端桌面，早晚时播报天气。

想做好所有的事，最后却一件也没有做到完美。社会生产分工精细化，提高了生产力，这是社会发展的趋势，也是必然。互联网资源精细专一化，是趋势，也是必然。精细专一不仅是对互联网资源的合理利用，更是对用户情感上的满足。

查看过去的天气记录方法如下：

1、手机或电脑上的天气应用。大多数手机和电脑都自带天气预报功能，可以在设备上查看最近的天气预报并查找历史记录。

2、第三方天气应用。许多第三方天气应用提供历史天气预报功能，例如“墨迹天气”和“天气通”等。

3、气象网站。访问专业的气象网站，可以在网站上搜索特定日期和地点的天气历史记录。

4、电视台查询。访问地方或国家电视台，通过电视节目获取历史天气信息。

5、气象局官网。登录当地气象局官网，输入日期和地点等信息即可查询过去的天气记录。

6、中央气象台官网。访问中央气象台官网，点击“历史天气”栏目，可以查询历史天气信息。

7、使用官方提供的历史天气查询系统。通过中央气象台官方提供的历史天气查询系统，可

8、以查询指定日期、指定城市的历史天气信息。

9、新闻媒体。在一些重大天气事件发生后，新闻媒体发布的天气预报和分析报告也可以用来了解历史天气情况。