过去30天湖南气温异常偏高 为1951年以来同期第一高位
10 月 8 日进入寒露节气，" 袅袅凉风动，凄凄寒露零 "，通常逢此时节，便意味着气候渐趋寒冷，气温逐日下降。记者从湖南省气象台了解到，未来一周，湖南冷空气活跃，气温波动明显。其中，9 日至 10 日，气温逐渐回升至 30～32 ℃，不过随后将再迎一次降温降雨过程
实况资料显示，7 日 08 时至 8 日 08 时，全省阴天，部分地区出现小雨，其中湘东南局地中雨；最高气温湘东南 21～23 ℃，其他地区 18～20 ℃；最低气温湘北 14～16 ℃，其他地区 17～19 ℃。
来自湖南省气候中心的数据显示，过去 30 天（9 月 8 日至 10 月 7 日），湖南气温异常偏高，全省平均气温 25.3 ℃，较常年偏高 2.8 ℃，位居 1951 年以来历史同期第 1 高位；降水异常偏少，全省平均降水量 16.2 毫米，较常年偏少 76.8%，位居 1951 年以来历史同期第 2 低位。截至 10 月 7 日的监测显示，全省共有 94 县市出现气象干旱，其中 27 县市达到重旱标准，26 县市达到特旱标准，重旱区主要位于湘东北地区。
湖南省气象台预计，未来一周，冷空气活跃，中低纬环流平直，省内多阴雨天气，不过除除湘西北地区雨量正常或略偏多外，其他地区持续偏少。
具体来看，8 日下午到 9 日白天，永州、郴州及株洲南部小雨转阴天，其他地区阴天到多云。
9 日晚到 10 日白天，湘西北阴天，局地有小雨，其他地区多云间阴天。
10 日晚到 11 日白天，湘中以北阴天有小雨，其中湘西北局地中到大雨，其他地区多云到阴天。
近日，省内气温较为 " 跌宕起伏 "。9 日至 10 日，气温逐渐回升至 30～32 ℃，11 日开始，还将有一次较强冷空气过程，过程降温幅度 10 ℃左右，局地可达 12 ℃。
8 日最高气温 22～24 ℃，9 日最高气温湘西北 22～24 ℃，湘东、湘南 27～29 ℃，其他地区 25～27 ℃，9 日最低气温 16～18 ℃。
气象专家提醒，未来一周，省内虽有弱的降水发生，但还不足以缓解前期较为严重的干旱形势，相关部门需做好蓄水保水等抗旱工作。此外，" 寒露 " 前后，空气较为干燥，" 秋燥 " 容易伤人，提醒公众注意保暖，适当多食甘、淡、滋润的食物。
广东度过68年以来最暖春节
中新社广州2月14日电 (沈钊)14日从广东省气象台获悉，14日14时，广东多地气温超过25℃，其中惠州气温达27.2℃，东莞、深圳、广州气温分别为26.4℃、26℃、25.3℃，而在此前，广东刚刚度过了68年以来的最暖春节。
“穿短袖过年”“爬山中暑”等现象在刚刚过去的春节假期成了广东天气的“代言人”，广东省气候中心数据显示，2019年春节(除夕至大年初六)广东的平均气温比常年同期显著偏高7.1℃，是1951年以来同期最高，达19.6℃。
其中，深圳在今年除夕当天最高气温达28.1℃，是历年除夕乃至春节假期的第二高温(第一是1953年除夕29.0℃)，初三和初四最高气温分别达到27.8℃和28℃，是历史上最热的大年初三和初四。
“早热的好处并不多”，广东省气象台表示，2015年与2018年广东春节平均气温均为19.3℃，这两个年份，广东年平均气温偏高，年降水量正常略偏多，开汛晚，初台早，登陆台风个数多，强度强(2015年和2018年分别有强台风“彩虹”和“山竹”登陆)，“龙舟水”时空分布不均，且春季均出现干旱。
“2019年广东是否会出现上述同样情况尚未可知，但目前春季干旱已经出现。”广东省气象台还表示，从2018年12月中旬开始，广东降水持续偏少，2019年以来，广东平均降水量7.8毫米，较常年同期偏少近九成，为历史同期第三少。监测数据显示，2月8日广东大部分地区出现中旱到重旱，全省86个监测站中有7个测得轻旱，43个测得中旱，26个测得重旱，5个测得特旱。
广东省气象台称，今年元宵节前后和3月初广东会有明显降水，部分地区的干旱现象将有所缓解，且出现倒春寒的可能性较小。(完)
物联网年：2020年8个数据导向的发展趋势
根据IDC最新报告，数字转型支出预计将在未来4年内超过6万亿美元，据悉2019年，全球企业将在数字转型支出上超过1万亿美元。
该报告还指出，过程制造和运输等行业将是最大的消费群体。这些投资推动了机器学习(ML)和物联网(IoT)的发展，以提高客户使用的效率和准确性。随着企业开始数字化转型，我期待在2020年将步入物联网年。
1. 大数据发展为海量数据
《网络世界》中一篇文章写道：“IDC预测，全球数据的总和将从2018年的33兆字节增加到2025年的175兆字节，复合年增长率将达到61%。”这意味着我们不仅会看到物联网实时数据量的大幅增加，而且企业还会创建和管理大量的新数据。
到2025年，175兆字节的数据中有近60%将由企业而非消费者来创建和管理。推动这一增长的主要因素是与云交互信息的物联网边缘设备数量的增加。
2. 物联网和ML不再是未来的技术
人工劳动力不具备分析如此大量数据的能力，因此企业将寻找ML和AI等新方法。物联网所产生的海量数据成为当今数据型经济的支柱力量。为了更好地利用这些数据，物联网产品和服务的发展将减少对核心技术的关注，而是更多地关注那些能更好地运用数据的技术。
3. 数据即服务
随着每天数据增长——到2020年，每个人每秒将创建1.7MB的数据——如何通过这些数据来做出更明智的业务决策是非常有意义的。
例如，KAR Global已经发布了一个为汽车经销商当前需求车型的平台。除了库存细分分析和再营销建议外，该平台还展示了最好的销售区域，以及经销商如何投放不太理想的车辆。所有这些都使用KAR及其客户的数据，以一种专有的方式使整个汽车销售行业受益。我们应该期望其他行业开始以同样的方式使用数据服务模型进行决策。
4. 下载应用程序的衰落
与下载应用程序不同，增强型网页应用程序(PWAs)很快将变得非常普遍。访问PWAs的方式与从应用程序商店下载的方式相同，但是加载速度更快，更安全，而且体积更小。Lumavate等公司帮助赛车、医疗制造、建筑和金融服务等行业的开发人员从原生应用程序转向具有成本效益的PWAs，从而有效释放设备上的空间，并更好的用户体验。
5. 预测分析
预测分析不仅仅是预测可能的情况，而是分析一系列的行动和这些行动的潜在结果。随着越来越多的工具可用，这种类型的数据分析正在成为必杀技。
自动驾驶汽车就是很好的例子。自动驾驶汽车必须进行数百万次的计算分析数据，以决定何时转弯、换车道等等。
石油和天然气行业也在使用预测分析来评估供应、需求、定价以及它们的变化对行业的影响。预测性分析作为商业智能的重要组成部分，为公司高管有洞察力和有远见的决策。
6. 更多的工作岗位将由人工智能创造，而不是流失
人工智能预计将在2020年减少180万个工作岗位，但也会创造230万个工作岗位。医疗、教育和公共部门等行业的就业需求将日益增长。虽然中低层次的工作岗位将受到最大的冲击，但是在太阳能等行业将出现新岗位。太阳能是目前就业增长最快的行业。工业制造业也是一个试图重新配置劳动力的行业，将其员工的技术结合起来进行数字化转型。
7. 通过机器学习增强工作能力
ML曾经意味着自动化任务和取代人工工作。现在的重点是ML增强人工工作的能力，使我们更有生产力和效率。在2020年，我们将看到ML模型被设计用于物流、零售和机器人等领域。像推荐引擎、欺诈检测和机器人过程自动化等产品和服务将会普遍化，行业竞争日趋激烈。
8. 机器人流程自动化(RPA)
今年，德勤(Deloitte)发现，用于库存管理等日常业务的智能自动化工具(例如机器人流程自动化)的数量增加了一倍。特别是制造业，已经关注RPA好几年了，并将在2020年增加RPA的使用。在制造业，成功的RPA解决方案包括订单采购、订单处理、库存报告和运输管理。已经实施了RPA的高管们注意到，员工们解放了双手和大脑，具有战略性和创造性思维的能力，因而工作变得更加投入。
无论在哪个行业，物联网、ML和数据分析领域的投资都将越来越具有竞争力。明年以及未来，我们将在技术领域看到的主要是物联网产品和服务，这些产品和服务将使我们进一步理解并挖掘数据的价值。现在，构建和分析数据为企业了比以往更多的信息。到2020年，他们将继续利用这些数据提升客户、员工和利益相关者的各种体验。
原文标题：The Year Of IoT: Eight Data-Driven Directions For 2020，：John McDonald
