2017—2019年北京地區(qū)新媒體氣象服務(wù) 滿意度調(diào)查評估

■ 姜江 閔晶晶 喬媛 白帆

氣象部門有必要長期開展社會調(diào)查評估工作，建立有效的公共氣象服務(wù)滿意度調(diào)查評估體系，針對性地了解社會群體對氣象服務(wù)的需求，理清氣象服務(wù)存在的差距，從用戶角度出發(fā)進(jìn)行改進(jìn)，在科學(xué)數(shù)據(jù)的支撐下提升氣象服務(wù)滿意度，全面提高氣象服務(wù)水平。

氣象服務(wù)滿意度指的是公眾對氣象服務(wù)的反饋和感受，是指公眾在接受了氣象服務(wù)信息或者使用了氣象服務(wù)產(chǎn)品之后，對其的感知、評價和期望。早在1994年，世界氣象組織（WMO）召開了第二次氣象水文效益評估專門會議，會議中就特別提出了氣象服務(wù)評估的重要價值和具體的研究難度。原因在于氣象信息服務(wù)產(chǎn)品有著較強的個人體驗屬性，導(dǎo)致了氣象產(chǎn)品和氣象服務(wù)的消費市場、尤其是公眾的氣象服務(wù)滿意度，與普通商品消費后的滿意度存在著很大的差別。但是公眾氣象服務(wù)滿意度不僅能表現(xiàn)出公眾對氣象服務(wù)及氣象產(chǎn)品的感知，更能體現(xiàn)出公眾對氣象服務(wù)的期望值，以及公眾今后針對氣象產(chǎn)品的消費預(yù)期。因此，氣象部門更加有必要長期開展社會調(diào)查評估工作，建立有效的公共氣象服務(wù)滿意度調(diào)查評估體系，以便針對性地了解社會群體對氣象服務(wù)的需求，理清氣象服務(wù)存在的差距，從用戶角度出發(fā)進(jìn)行改進(jìn)，全面提高氣象服務(wù)水平。

但就如何評估氣象服務(wù)滿意度，有研究者運用多指標(biāo)評價方法建立過公共氣象服務(wù)滿意度調(diào)查評估體系；同時也會結(jié)合不同地域特點，建立不同的氣象服務(wù)滿意度指數(shù)。無論是何種研究角度，問卷調(diào)查都是氣象服務(wù)滿意度調(diào)查研究中最普遍和直接的方式。在問卷分析過程中，研究者多采用層次分析法和專家打分法來建立氣象服務(wù)滿意度模型，用以定量測量用戶群或者特定大型活動中的氣象信息服務(wù)的期望度和滿意度。但是需要指出的是，問卷調(diào)查內(nèi)容如果過于繁雜，難以作為一項長時間序列的統(tǒng)計手段，且會在一定程度上受到問卷進(jìn)行時的人員接觸、天氣情況、預(yù)報準(zhǔn)確率等多方面主觀或客觀因素的影響。因此，如果想要完成復(fù)雜內(nèi)容、多問題、高頻次的氣象服務(wù)滿意度調(diào)查問卷，需要投入大量的人力、物力。

反觀當(dāng)前新媒體平臺的投票功能，既不會占用過多投票人的時間，同時也充分地保護了投票者的隱私，所獲得的結(jié)果不僅更加真實有效，并且可以長期作為氣象服務(wù)滿意度調(diào)查和監(jiān)測的手段。鑒于此，為了更好地了解北京地區(qū)氣象服務(wù)的滿意度，高效利用新媒體服務(wù)平臺，連續(xù)收集了來自微信公眾號的自2017年6月1日起至2019年12月31日的公眾氣象服務(wù)滿意度問卷調(diào)查數(shù)據(jù)，內(nèi)容涵蓋了公眾對于氣象預(yù)報準(zhǔn)確率、及時性和氣象服務(wù)內(nèi)容的滿意度評估。本研究探索了基于新媒體平臺的氣象服務(wù)滿意度評估效果，旨在發(fā)現(xiàn)北京地區(qū)氣象信息服務(wù)中存在問題，從而在科學(xué)數(shù)據(jù)的支撐下提升氣象服務(wù)滿意度。

1 研究方法與數(shù)據(jù)來源

新媒體的出現(xiàn)和發(fā)展逐漸改變了人們原有的生活習(xí)慣、思維方式和信息獲取渠道。因而，在氣象服務(wù)過程中利用新媒體手段來傳播公眾氣象服務(wù)信息，已經(jīng)成為現(xiàn)代氣象發(fā)展不可或缺的手段。隨著全球氣溫的逐漸變化，高溫、暴雨等極端天氣狀況日益頻繁出現(xiàn)，使得人們開始愈加關(guān)注氣象信息。以前人們對氣象信息的關(guān)注主要是集中在什么時候下雨、什么時候有大風(fēng)、每天的氣溫是多少度、出現(xiàn)高溫應(yīng)怎么降溫等最基礎(chǔ)的氣象問題。但是，近年來公眾對各種氣象災(zāi)害的形成機理有了探究的意識，因而新媒體在氣象科普宣傳中也發(fā)揮出越來越重要的作用?！皻庀蟊本蔽⑿攀潜本庀缶止俜綒庀蠓?wù)產(chǎn)品的一個重要出口，“氣象北京”微信公眾號每日都會在主推文第一條推送氣象服務(wù)產(chǎn)品文字和圖片內(nèi)容來對公眾進(jìn)行氣象信息服務(wù)（通常而言，主推文第一條所有推文中閱讀量和參與度最高的）。自2017年6月1日（調(diào)查起始日）至2019年12月31日（調(diào)查終止日），每日于“氣象北京”的主推第一條資訊中，向公眾提供調(diào)查問卷。公眾會以無記名投票的形式回答兩個問題：

第一個問題：您對當(dāng)日的預(yù)報準(zhǔn)確率是否滿意？第二個問題：您覺得當(dāng)日發(fā)布的預(yù)報是否及時？或：您對當(dāng)日的氣象服務(wù)是否滿意？旨在考察公眾對當(dāng)天氣象服務(wù)內(nèi)容的滿意程度。兩個問題均含有三個答案：滿意、基本滿意、不滿意。其中“滿意”和“基本滿意”的結(jié)果被認(rèn)為對所問問題“滿意”。調(diào)查問題有效性24小時，每日滾動更新。截至調(diào)查報告提交日，應(yīng)取得數(shù)據(jù)945份，實際獲得數(shù)據(jù)932份，數(shù)據(jù)缺失比例為1.4%。由于微信投票的設(shè)置方式，必須同時回答兩個問題才能提交問卷結(jié)果，所以問題一與問題二的總參與人數(shù)是完全相同的。本文研究過程當(dāng)中的當(dāng)日滿意度的定義如下：

其中，A為當(dāng)日選擇“滿意”的人數(shù)，B為當(dāng)日選擇“基本滿意”的人數(shù)，C為當(dāng)日參與選擇的總?cè)藬?shù)，P為當(dāng)日滿意度（表達(dá)為百分?jǐn)?shù)）。

2 調(diào)查結(jié)果分析

2.1 預(yù)報準(zhǔn)確率滿意度

932份樣本統(tǒng)計結(jié)果內(nèi)，最低滿意度為50.00%，最高滿意度為100.00%，平均滿意度為93.61%（圖1）。最低參加人數(shù)為28人，最高參加人數(shù)為792人，平均參加人數(shù)為201人，參與投票的人數(shù)約占到閱讀量人數(shù)的4%（圖1）。

圖1 2017年6月1日至2019年12月31日預(yù)報準(zhǔn)確率滿意度

2.2 2017—2019年預(yù)報準(zhǔn)確率滿意度對比

2017年、2018年、2019年投票參與度基本穩(wěn)定在200人左右（表1），預(yù)報準(zhǔn)確率的滿意程度在逐年提升。因而與全樣本量相比，預(yù)報準(zhǔn)確率滿意度在2019年已經(jīng)超過了全樣本的平均水平。預(yù)報及時性和氣象服務(wù)的滿意程度均高于同時段的預(yù)報準(zhǔn)確率，說明公眾對天氣預(yù)報準(zhǔn)確率有更高的要求。

表1 連續(xù)三年預(yù)報準(zhǔn)確率統(tǒng)計總表

2.3 預(yù)報及時性滿意度

2017年6月1日（首次調(diào)查起始日）至2018年4月26日（該項內(nèi)容調(diào)查終止日），應(yīng)取得數(shù)據(jù)330份，實際獲得數(shù)據(jù)326份。326份樣本統(tǒng)計結(jié)果內(nèi)，最低滿意度為50.00%，最高滿意度為100.00%，平均滿意度為93.95%（圖2），略高于預(yù)報準(zhǔn)確率的滿意程度，證實了公眾的高要求仍然集中在預(yù)報準(zhǔn)確率本身。

圖2 2017年6月1日至2018年4月26日預(yù)報及時性滿意度

2.4 氣象服務(wù)滿意度

氣象服務(wù)滿意度調(diào)查開始于2018年4月27日，截止于2019年12月31日，應(yīng)取得數(shù)據(jù)614份，實際獲得數(shù)據(jù)605份。605份樣本統(tǒng)計結(jié)果內(nèi)，最低滿意度為62.54%，最高滿意度為100.00%，平均滿意度為94.55%，平均滿意度同樣高于預(yù)報準(zhǔn)確率的滿意程度（圖3）。

圖3 2018年4月27日至2019年12月31日預(yù)報準(zhǔn)確率滿意度

2.5 連續(xù)三年汛期滿意度

汛期6月1日至9月15日，應(yīng)取得每年107份數(shù)據(jù)，實際2017年獲得106份、2018年獲得104份、2019年無缺。

2017年106份汛期樣本統(tǒng)計結(jié)果中，預(yù)報準(zhǔn)確率最低滿意度為50.00%，最高滿意度為99.42%，平均滿意度為90.10%；預(yù)報及時性最低滿意度為58.66%，最高滿意度為100.00%，平均滿意度為91.25%；最低參加人數(shù)為100人，最高參加人數(shù)為792人，平均參加人數(shù)為235人（圖4）。

圖4 2017年汛期滿意度及參與人數(shù)

2018年104份汛期樣本統(tǒng)計結(jié)果中，預(yù)報準(zhǔn)確率最低滿意度為60.87%，最高滿意度為99.38%，平均滿意度為90.73%；氣象服務(wù)最低滿意度為62.54%，最高滿意度為100.00%，平均滿意度為91.95%；最低參加人數(shù)為76人，最高參加人數(shù)為598人，平均參加人數(shù)為225人（圖5）。

圖5 2018年汛期滿意度及參與人數(shù)

2019年107份汛期樣本統(tǒng)計結(jié)果中，預(yù)報準(zhǔn)確率最低滿意度為67.52%，最高滿意度為98.31%，平均滿意度為91.50%；氣象服務(wù)最低滿意度為73.36%，最高滿意度為98.82%，平均滿意度為92.77%；最低參加人數(shù)為104人，最高參加人數(shù)為372人，平均參加人數(shù)為197人（圖6）。

圖6 2019年汛期滿意度及參與人數(shù)

整體從表2可以看出，2017年、2018年、2019年汛期預(yù)報準(zhǔn)確率的滿意程度穩(wěn)步上升，但是預(yù)報準(zhǔn)確率滿意度均低于全樣本的平均水平。三年以來，投票參與度有所下降，但是汛期高影響天氣發(fā)生頻次較高，2017年至2018年汛期期間參與人數(shù)的活躍度較全樣本偏高，2019年略微偏低。此外，連續(xù)三年的汛期預(yù)報及時性和氣象服務(wù)的滿意程度均高于同時段的預(yù)報準(zhǔn)確率，證實了公眾對天氣預(yù)報準(zhǔn)確率的更高要求。

表2 連續(xù)三年數(shù)據(jù)統(tǒng)計信息總表

2.6 低滿意度事件分析

問卷調(diào)查期間，比較大的滿意度波動均是因為有天氣過程發(fā)生的，其中有24次出現(xiàn)對預(yù)報準(zhǔn)確率的滿意度低于80%。這種低滿意度事件在2017年汛期出現(xiàn)11次，非汛期1次；2018年汛期出現(xiàn)6次，非汛期2次；2019年汛期出現(xiàn)4次，非汛期0次。低滿意度均出現(xiàn)在明顯天氣過程發(fā)生時，涉及降雨（18次）、高溫（3次）、降雪（1次）、霧霾（1次）和低溫（1次），反映出公眾對出現(xiàn)天氣過程時的情緒反應(yīng)以及對預(yù)報準(zhǔn)確率的高要求。下面具體分析三次滿意度最低，也是最為典型的低滿意度過程。

2.6.1 2017年6月22日低滿意度過程

滿意度最低的一次出現(xiàn)在2017年6月22日，當(dāng)天參與投票人數(shù)554人，參與人數(shù)超過平均參與人數(shù)的兩倍，而對天氣預(yù)報準(zhǔn)確性的滿意度僅為50%。由于天氣預(yù)報準(zhǔn)確率的滿意程度與及時性滿意程度的高相關(guān)性，對及時性的滿意度也僅為58.66%。從此次高影響天氣過程來看，2017年6月21—22日這次降水過程，屬于雨勢相對平緩，降水量分布不均，局部地區(qū)累積雨量到暴雨級別的一次過程。從6月21日12時至6月22日18時（18時為當(dāng)天天氣資訊發(fā)布的時間），全市平均降水量為21.2 mm，城區(qū)平均為18.2 mm，最大降水量在大興榆垡為62.8 mm。

通過事后分析，6月21日“氣象北京”首條資訊的題目為“明后天有暴雨 局地大暴雨”，但事實上6月22日白天的降雨量并未達(dá)到暴雨級別。根據(jù)當(dāng)天的輿論分析，網(wǎng)友們都對“暴雨”的定義感到疑惑，雖然當(dāng)天內(nèi)容中科普了氣象學(xué)對暴雨的定義，但是公眾所認(rèn)為的“暴雨”更接近于氣象學(xué)上的“短時強降雨”?！皩茖W(xué)解釋的疑惑”“白天影響公眾出行時的雨量較小”加上“公眾理解的暴雨并未出現(xiàn)”，導(dǎo)致了此次低滿意度的出現(xiàn)。

針對于這次低滿意度事件，提示出在未來的公眾氣象服務(wù)過程中，應(yīng)該做到科普先行，可以在汛期期間滾動發(fā)布暴雨科普專題，或者在發(fā)生天氣過程之前，加強暴雨及防御知識的科普宣傳。而非在天氣過程發(fā)生的當(dāng)下進(jìn)行科普，這會給公眾一種強行解釋的感覺，導(dǎo)致了公眾的接受度偏低。同時，也應(yīng)該考慮到科普的提前程度，如果提前太多，可能會造成公眾對暴雨的恐慌情緒，提前太少，科普效果又會大打折扣，提前“度”是未來服務(wù)過程中需要不斷根據(jù)公眾反饋去調(diào)整的重要考量因素。

2.6.2 2017年8月2日低滿意度過程

滿意度倒數(shù)第二低的出現(xiàn)在2017年8月2日，參與投票人數(shù)260人，天氣預(yù)報準(zhǔn)確性的滿意度為58.46%，及時性的滿意度為78.46%。由于當(dāng)天將出現(xiàn)降水天氣過程，值班員提前了微信推送的發(fā)布時間，因此及時性的滿意度較2017年6月22日的低滿意度事件中的及時性更高。2017年8月2日08時開始的降水過程，持續(xù)到8月3日05時，降水主要集中在東部和東南部地區(qū)，全市平均降水量36.7 mm，城區(qū)平均33.3 mm，最大降水量在房山長陽182.8 mm。2017年8月2日這次降水過程開始的時間相對晚于預(yù)報時間，但是從早晨就開始以分散性陣雨出現(xiàn)，因此網(wǎng)友在后臺留言多問“雨何時來”“雨有多大”等類似的問題，可以感受到公眾非常希望了解到具體、精確的降雨開始的時間、地點和雨強，但由于北京的地形特點和當(dāng)次天氣形勢的復(fù)雜性，確實難以給予公眾更加精確的答復(fù)。

結(jié)合兩次低滿意度的強降雨過程，認(rèn)為在未來此類的公眾服務(wù)工作中，應(yīng)更加細(xì)致、耐心地去回復(fù)公眾的提問，在不能夠給出確定回答時，不應(yīng)回避預(yù)報準(zhǔn)確率有待提高、預(yù)報難度大等問題，在能夠給出確定回答時，盡快、盡可能地將科學(xué)語言轉(zhuǎn)換為公眾更容易理解的方式去回應(yīng)公眾的問題。前人的研究中指出，公眾對于預(yù)報時效3天以上的天氣預(yù)報關(guān)注度很低。加之，強降雨發(fā)生的天氣系統(tǒng)和環(huán)境條件復(fù)雜，觸發(fā)機制難以捕捉，導(dǎo)致強降雨的開始時間、落區(qū)及強度難以確定，經(jīng)常出現(xiàn)預(yù)報偏差。因此，就目前的強降雨預(yù)報能力而言，如果要保證預(yù)報準(zhǔn)確率較高的話，則需要在3天或者更短的時間。

所以，在強降雨發(fā)生的前1～3天（短期預(yù)報時效）內(nèi)，才是最佳的強降雨定義、成因和防范知識的科普時機，這時既可以保證一定的強降雨預(yù)報準(zhǔn)確率，同時也是強降雨公眾關(guān)注度較高的時期。

2.6.3 2018年7月18日低滿意度過程

滿意度倒數(shù)第三低的出現(xiàn)在2018年7月18日，參與投票人數(shù)299人，天氣預(yù)報準(zhǔn)確性的滿意度為60.87%，氣象服務(wù)滿意度為62.54%。北京連續(xù)處于氣溫高、濕度大的天氣下，當(dāng)天最高氣溫為30.1 ℃，而且發(fā)布了未來3～9天內(nèi)，白天最高氣溫均在30 ℃以上，因此網(wǎng)友在后臺留言多“悶得難受”“北京的桑拿”以及“不能解暑的分散性雷陣雨”為主。

在剛剛過去了一場大雨之后，2018年7月18日發(fā)布了“悶熱模式開啟 雷雨時常客串”的內(nèi)容，由于高溫預(yù)報本身的不確定性相對較低，同時2018年7月17日降雨發(fā)生當(dāng)天的滿意度達(dá)到94.42%，18日當(dāng)天大部分地區(qū)的最高氣溫都在30 ℃以上，所以認(rèn)為這一次低滿意度表達(dá)了公眾對即將到來的悶熱天氣的郁悶心情，也包含了公眾對夏季天氣復(fù)雜多變的“情緒”。以往的工作中，針對降雨的氣象科普、數(shù)據(jù)等相關(guān)知識信息較高溫要多，對“夏季高溫”“夏季悶熱”“體感溫度”的科普程度不足，如果能夠在公眾關(guān)注度較高的3天短期預(yù)報時效內(nèi)發(fā)布高溫科普內(nèi)容，安撫公眾情緒，必然會對服務(wù)滿意度有所提升。

另外，通過對2018年1月1日至汛期前的滿意度調(diào)查發(fā)現(xiàn)，除了汛期高影響天氣的低滿意度，北京2017年冬季的初雪遲遲未現(xiàn)，多次降雪過程都與北京“擦肩而過”，導(dǎo)致了1月22日雖然滿足初雪標(biāo)準(zhǔn)，但是城區(qū)降雪微量，以及3月7日“山區(qū)雪下得大，而城區(qū)又是微量”的兩次低滿意度的出現(xiàn)。這說明北京地區(qū)的汛期降水，高溫、降雪甚至是連續(xù)的無雨干旱等等高影響天氣過程都密切受到公眾的關(guān)注，因此提升公眾氣象服務(wù)滿意度，不僅是從提升預(yù)報準(zhǔn)確率為基礎(chǔ)，還應(yīng)該更加重視每一次高影響天氣出現(xiàn)之前的氣象服務(wù)產(chǎn)品和內(nèi)容的高質(zhì)量和及時性。

3 結(jié)論與討論

隨著氣象服務(wù)對經(jīng)濟建設(shè)、社會發(fā)展和人民生活的影響日益明顯，氣象服務(wù)工作也前所未有地受到全社會的關(guān)注。相應(yīng)的，人們對氣象服務(wù)的需求將會越來越精細(xì)化、具體化和個性化。為應(yīng)對公眾對氣象部門的高要求和高需求，此次調(diào)查詳盡分析了2017—2019年連續(xù)三年公眾對北京地區(qū)氣象服務(wù)的滿意程度和典型低滿意度事件，得到結(jié)論如下：

1）2017—2019年即使是在滿意度相對較低的汛期期間，北京地區(qū)的氣象預(yù)報服務(wù)滿意度也均可達(dá)到90%以上。同時，與2017年汛期相比，2018年、2019年的預(yù)報準(zhǔn)確率滿意程度穩(wěn)步上升，但是參與的活躍程度有所下降，原因在于隨著新媒體技術(shù)的快速發(fā)展，人們不僅可以從微信公眾號，也可以從微博、小程序、APP等各種渠道獲取氣象服務(wù)信息。另外，通過對非汛期的滿意度調(diào)查發(fā)現(xiàn)，除了汛期高影響天氣會出現(xiàn)低滿意度，公眾對于冬季雪情、夏季持續(xù)高溫等關(guān)注度同樣很高，也極有可能出現(xiàn)低滿意度。

2）由于公眾對北京地區(qū)汛期天氣過程關(guān)注程度明顯要高于非汛期，這對北京氣象部門繼續(xù)加強汛期的氣象預(yù)報服務(wù)提出了更高的要求。公眾白天的出行活動，特別是早晚高峰期間，受高影響天氣的影響程度更大、關(guān)注度更高，因此在今后的公眾氣象服務(wù)過程中，不僅應(yīng)更加注重信息發(fā)布的準(zhǔn)確性和及時性，給予公眾更直觀專業(yè)的解讀，還應(yīng)對公眾生活的高影響時段加密進(jìn)行信息發(fā)布。同時，輔助以優(yōu)秀的科普宣傳工作，來對當(dāng)前天氣預(yù)報的不確定性進(jìn)行彌補。在天氣過程發(fā)生之間，特別是關(guān)注度較高的汛期期間，應(yīng)在過程開始前的1～3天的關(guān)鍵期內(nèi)，進(jìn)行合理的逐步的科普信息推送，將會有助于天氣發(fā)生時的氣象服務(wù)滿意度提升。

3）在基本預(yù)報產(chǎn)品的基礎(chǔ)上，未來還應(yīng)該結(jié)合大眾需求，不斷豐富氣象服務(wù)產(chǎn)品的內(nèi)容和形式，打造權(quán)威、專業(yè)的氣象服務(wù)品牌。滿足公眾對科普的內(nèi)容制作、信息發(fā)布時效、輿情引導(dǎo)等相關(guān)問題的高要求，應(yīng)加入更多的新鮮、趣味的元素，減少堆積性的文字描述，增強科普內(nèi)容的可讀性、易讀性和趣味性，加大科普工作的深度和廣度，培養(yǎng)與關(guān)注人群之間的友好、互助、積極互動的關(guān)系，充分利用現(xiàn)代科技手段，建立全媒體互通互融互補的氣象信息傳播體系，強化氣象信息使用價值，同時也應(yīng)完善氣象、制圖、新媒體復(fù)合型人才隊伍的建設(shè)以及激勵績效等配套政策。

深入閱讀

段欲曉, 潘進(jìn)軍, 李青春, 2009. 北京地區(qū)公共氣象服務(wù)需求分析. 干旱氣象, 27(2): 172-176.

扈海波, 王迎春, 李青春, 2008. 采用AHP方法的氣象服務(wù)社會經(jīng)濟效益定量評估分析. 氣象, 34(3): 86-92.

羅慧, 劉璐, 姚東升, 2007. 陜西氣象服務(wù)社會效益評估分析. 陜西氣象, (3): 36-39.

羅慧, 李良序, 2009. 氣象服務(wù)效益評估方法與應(yīng)用. 北京: 氣象出版社.

羅慧, 謝璞, 俞小鼎, 2007. 奧運氣象服務(wù)社會經(jīng)濟效益評估個例分析. 氣象, 33(3): 89-94.

羅慧, 謝璞, 薛允傳, 等, 2008. 奧運氣象服務(wù)社會經(jīng)濟效益評估的AHP/BCG組合分析. 氣象, 34(1): 59-65.

駱月珍, 雷俊, 吳楊, 等, 2009. 公共氣象服務(wù)滿意度問卷調(diào)查分析與討論. 浙江氣象, 30(1): 24-26.

潘進(jìn)軍, 段欲曉, 馬曉青, 等, 2011. 國慶60周年慶?；顒託庀蠓?wù)滿意度評估. 氣象, 37(11): 1409-1414.

孫玫玲, 趙敏, 李仁禹, 等, 2016. 新老媒體融合提升公眾氣象服務(wù)傳播能力的研究. 氣象研究與應(yīng)用, 37(3): 123-125.

諶蕓, 呂偉綺, 于超, 等, 2018. 北方一次暖區(qū)大暴雨降水預(yù)報失敗案例剖析. 氣象, 44(1): 15-25.

王仕星, 雷俊, 方英, 等, 2009. 公共氣象服務(wù)滿意度調(diào)查評估體系初探. 浙江氣象, (4): 20-24.

于波, 李平華, 2008. 氣象經(jīng)濟學(xué)研究對象及其特征分析. 氣象軟科學(xué), (1): 106-115.

姚秀萍, 張曉美, 呂明輝, 2014. 公眾氣象服務(wù)滿意度評價指標(biāo)體系的構(gòu)建方法. 氣象與環(huán)境科學(xué), 37(4): 102-108.

姚秀萍, 呂明輝, 張曉美, 等, 2012. 氣象服務(wù)效益評估研究和業(yè)務(wù)進(jìn)展. 氣象科技進(jìn)展, 2(3): 39-44.

姚秀萍, 呂明輝, 范曉青, 等, 2011. 氣象服務(wù)效益評估研究進(jìn)展. 氣象, 37(6): 749-755.

姚秀萍,呂明輝, 范曉青, 等, 2010. 我國氣象服務(wù)效益評估業(yè)務(wù)的現(xiàn)狀與展望. 氣象, 36(7): 62-68.

Cardozo R N, 1965. An experimental study of customer effect, Expectation and Satisfaction. Journal of Marketing Research, 8(2): 34-45.