基于遗传算法的特征选择方法在短时强降水预报中的应用北大核心

利用江苏省13个气象观测站历史上短时强降水观测资料,用遗传算法进行特征选择,选定影响短时强降水的950 hPa假相当位温、700 hPa比湿、500 hPa比湿、对流有效势能(Convective Available Potential Energy,CAPE)等14个特征为主要因素,将是否为短时强降水抽象成二元分类问题。借助机器学习中CART决策树算法进行分类分析,构建便于使用的短时强降水预报规则集。实验部分,随机选择5816条样本进行训练模型,得到适合江苏地区的短时强降水规则集,利用剩余的1454条数据进行实际检验,模型的短时强降水预报准确率为91.35%,非强降水预报准确率为97.11%,较特征选择之前分别提升了8.66%和1.05%。     

基于春季气候信号的“台风是否经过江苏”预测研究

利用中国气象局提供的1951—2018年台风最佳路径数据集,筛选经过江苏的热带气旋个例,发现历史上所有经过江苏的热带气旋都发生在夏秋季节。基于春季130种气候信号指数,利用C4.5决策树算法建立“台风是否经过江苏”的预测模型。结果表明:基于C4.5算法的决策树能够较为直观且准确地对每年“台风是否经过江苏”进行预测。利用1951—2000年(51 a)的数据样本进行训练,学习准确率达到82%,利用2001—2018年(18 a)的数据样本对模型进行泛化能力测试,测试准确率达到83.3%,最后利用2019年第9号热带气旋“利奇马”经过江苏的事实进行个例检验,符合决策树规则C。可以证明C4.5算法对“台风是否经过江苏”的预测具有较高的准确率和通用性。     

基于决策树算法的海州湾地区海雾预测北大核心

基于连云港西连岛站点2014—2018年逐小时气象观测资料,经过对海雾事件及气象要素特征的统计分析探寻海州湾海雾发生发展的基本规律,并基于机器学习中的经典的C4.5算法对海雾天气建立气象要素预测模型。结果表明:基于C4.5算法的决策树预测模型能够较为直观准确的对海州湾海雾进行预测,并且该决策树模型具有较高的泛化能力。利用2014—2017年的样本数据进行学习,模型的学习准确率为92.85%,利用2018年的样本数据对模型的泛化能力进行测试,测试准确率为93.51%。决策树算法在海雾预测中具有方便简洁、科学实用,准确率高等特点。     

基于C4.5决策树算法的道路结冰预报模型构建及应用

道路结冰是气象上规定的主要灾害性天气之一,准确认识道路结冰发生规律并科学有效地预报是防灾减灾的关键问题。以影响道路结冰的日积雪深度、日最低气温、日降水量等气象要素为主要因子,将是否结冰抽象成二元分类问题,借助数据挖掘中C4.5决策树算法进行分类分析,得到便于预报员使用的预报道路结冰规则集。在实验部分,选取2004—2013年连云港和嘉定为例,用前8 a的连云港(嘉定)地区道路结冰数据样本进行分类规则的学习,从而得到适合连云港(嘉定)地区的4(3)条预报道路结冰规则集,然后用剩下2 a的数据进行检验,准确率高达96.82%(94.87%)。实验表明采用C4.5决策树算法构建的道路结冰预报模型不仅预报准确率高、易解释、方便预报员直接使用,而且预报规则与道路结冰现象的天气过程及理论一致。     

基于C4.5算法的长江中下游地区夏季降水预测模型研究及应用

为了对长江中下游夏季降水进行短期气候预测,利用国家气候中心提供的74项环流指数和NOAA整编的西太平洋型WP指数、MEI指数、ENSO指数等多种全球环流指数资料,归纳整理了影响长江中下游夏季降水的34个前期春季因子,讨论了前期春季因子与夏季降水的关系,并利用这34个前期春季因子通过数据挖掘中的C4.5算法对1951—2013年(63 a)长江中下游夏季降水,建立判别降水偏多以及偏少的两类决策树预测模型,并分别得到5条和7条综合判别规则。随机选取80%左右历史年份数据作为模型的训练集,两模型的训练集准确率分别为94.12%和93.88%,剩余20%年份数据作为模型测试集,模型的测试预测准确率分别达91.67%和85.71%。模型预测应用也显示结果正确。模型研究和应用显示,基于C4.5算法的长江中下游夏季降水预测模型具有较高的预测准确率,模型构建合理有效,判别规则依据大数据理论,广泛考虑相关因子以及因子的排列组合,智能化选择关键因子,易于客观化、自动化实施,为长江流域汛期降水的短期气候预测提供了新的思路与方法。     

江淮以南地区暴雨和强降水的中尺度天气动力学研究进展

经过新中国成立以来多次中尺度天气试验研究,江淮以南地区暴雨和强降水的中尺度天气动力学研究取得长足进展。其进展主要体现在两个方面:一是用较高分辨率的观测资料(包括地面和高空探测的加密观测以及卫星和雷达的观测)对形成暴雨和强降水的中尺度天气系统的结构特征和生命史过程建立了天气学概念模型,特别是对暴雨和强降水有重要影响的α中尺度和β中尺度对流系统,建立了观测个例的中尺度物理模型;二是探索了暴雨和强降水的动力学和热力学的物理机制,为精细化数值模式的设计提供了理论支撑,为灾害性天气预测预警提供了技术支持。本文在以往暴雨和强降水研究的基础上,着重对暴雨和强降水的中尺度天气科学试验、江淮以南地区暴雨和强降水发生主要区域的中尺度天气动力学研究进行了概述。     

基于物理量参数的江苏短时强降水预报模型的研究

本文利用2004—2013年6—8月江苏省三个常规探空站(徐州、射阳、南京)的逐日高空探测资料,计算了51个物理量参数。在物理量参数与短时强降水事件(观测时刻后0~6 h内出现的短时强降水天气)相关系数的显著性检验基础上,根据物理量参数在短时强降水样本和非短时强降水样本中值域分布特征,最终选定了具有预报意义的16个物理量参数。通过分析不同类型物理量参数对短时强降水天气的指示作用,根据各物理量参数在各月短时强降水事件中的阈值,确定了江苏短时强降水预报的判定指标。采用隶属函数转换法,建立江苏夏季短时强降水预报模型,经实况拟合检验,效果良好。     

基于数据挖掘CART算法的区域夏季降水日数分类与预测模型研究

夏季降水日数的准确预测,对于保障农业、运输业、电力等行业的有序进行具有重要现实意义.利用连云港市气象局提供的1951—2012年夏季降水数据对连云港地区的降水日数特征进行分析,难以直观地发现夏季降水日数随时间分布的规律.为进一步探索降水日数的发生规律,结合国家气候中心网站提供的多种气候因子数据,基于CART决策树算法构建了连云港地区夏季降水日数是否偏多与是否偏少的分类与预测模型.该模型可以发现在多种气候因子不同条件下,夏季降水日数是否偏多（偏少）的规律,模型的分类与预测都具有良好的效果.利用52 a的数据样本训练模型,模型的训练准确率为90.38%（86.54%）,再用剩余10 a数据样本检验模型,测试准确率为80%（80%）,并且得到规则集,方便气象业务人员使用以及决策服务人员参考.同时,为降水日数的预测提供了数据挖掘的新思路.     

基于随机森林的暴雨灾害人口损失预估模型及应用

基于2009—2017年的广西县级暴雨灾情记录,综合考虑致灾因子、孕灾环境和承灾体因素选取7个解释变量,运用随机森林算法,构建暴雨灾害人口损失预估模型;并以精细化网格降水实况分析和预报产品驱动模型,预估是否发生人口损失。研究结果表明:模型训练样本及测试样本的分类准确率均在90%以上,致灾因子(降水情况)是最主要的解释变量,重要性从大到小依次是前10 d降水距平百分率、过程最大日雨量、最大小时雨量和短时强降水频次。应用智能网格降水产品对广西地区近两年的暴雨灾害过程进行回报试验,准确率超过70%。     

豫东地区短时强降水时空分布特征及物理量指标分析

利用1985-2018年汛期(5-9月)豫东地区20个国家站小时降水资料和2011-2018年同期豫东地区区域自动站观测数据、NCEP(1°×1°)再分析资料、高空地面观测资料等,统计分析了该区域小时雨强分别≥20mm/h、≥30mm/h和≥50mm/h的短时强降水时空分布特征,结果发现:豫东地区近34年汛期平均年降水量为458.9～577.5 mm/a,短时强降水次数为72.8次/a;2000年是短时强降水多发年份,≥20mm/h的雨强出现158次,是常年平均次数的1.17倍;主汛期的7-8月是不同强度短时强降水多发时期,34年来共计发生≥20mm/h的短时强降水1821次,占同强度短时强降水总次数(2476次)的近74.0%;在短时强降水的日变化中,05时是不同强度短时强降水多发时段,20时为次多发时段。对不同环流背景影响下短时强降水过程的水汽、动力、热力及能量等物理量作统计分析,低槽型短时强降水过程的动力条件优于其他两个类型的,850hPa涡度平均值达3.8×10~(-5)s~(-1),700hPa垂直速度平均值达-0.36 Pa·s~(-1);副高边缘型短时强降水过程不稳定能量条件优势显著,850hPa假相当位温平均值达354.1 K,500-850hPa假相当位温差的平均值达-17.80℃,K指数平均值为38.1℃、CAPE值平均值为2075.0 J·kg~(-1);而台风倒槽型短时强降水过程则在水汽输送方面更具优势,850 hPa比湿平均值为15.5g·kg~(-1),整层可降水量达70.0 mm。     

春季江淮气旋及影响的统计分析

以Lu[1]改进的温带气旋识别方法为基础,结合江苏省73个人工气象观测站的降水资料,统计分析了近35年来春季江淮气旋及其与江苏春季暴雨的关系。结果表明,近35年来,春季江淮气旋发生的次数呈现趋势性递减的变化,其源地主要集中在安徽西南部的大别山东侧和西北部的淮河上游平原。江淮气旋对沿江苏南的春季暴雨有重要影响,而对淮北地区暴雨的影响最弱,给江苏春季带来区域性暴雨的江淮气旋主要是介于中尺度和天气尺度之间的次天气尺度系统。引起淮北和江淮之间两个区域暴雨的江淮气旋源于皖、豫、鲁三省交界处的比例较高。春季江淮气旋造成的暴雨区主要位于气旋中心附近和气旋的南部。其中,淮北地区雨区主要位于气旋中心附近,沿江苏南的雨区在气旋中心和南部均有分布。气旋中心涡度和风速大小、低空西南急流的位置和水汽通量辐合的位置是暴雨落区差异的主要原因。     

江苏省近50a气候干湿特征研究

根据江苏省1960—2009年54个气象台站常规气象观测资料,利用Penman-Monteith公式计算了全省各地区50 a的逐日潜在蒸散量,结合逐日降水量,推算出了相对湿润度指数值,并采用国家标准《气象干旱等级》(GB/T20481-2006)中的相对湿润度分级指标对全省干湿状况进行了评估,分析其时空变化特征。研究表明:1)就全年而言,江苏省半干旱区与湿润区各占50%左右的面积,其中淮北、江淮北部、苏北沿海的北部为半干旱区,江淮南部、苏北沿海的南部、沿江、苏南地区为湿润区;2)降水量和潜在蒸散量是影响相对湿润度指数的两个关键因子,降水量的变化对相对湿润度的时空分布起着主导作用,潜在蒸散量起着辅助作用。3)江苏省1 a中冬季的南北气候干湿反差最大、夏季最小,湿润区范围夏季最大、秋季最小,半干旱区范围秋季最大、夏季没有,干旱区范围春季最大、夏季和秋季没有。夏季气候最湿润、春季气候最干燥。4)淮北和苏北沿海地区的相对湿润度指数年变化呈"单峰型",江淮、沿江和苏南地区的年变化呈"双峰型",苏北沿海地区相对湿润度年内变化最大,沿江地区最小。     

不同数值模式对江淮地区梅汛期暴雨模拟的对比分析

从降水偏差特征、预报技巧和对象诊断分析3个角度评估了欧洲中期天气预报中心模式(EC)、华东区域中心区域数值模式(WARMS)和江苏区域模式(PWAFS)对2020年江淮地区梅汛期11次典型暴雨过程的预报性能,并分析了各模式的优点及不足。结果表明:(1)24 h观测日平均累计降水主要分布在大别山—江苏淮北以及大别山—皖南山区,相应的模式降水偏差大值区与主要雨带位置有较好的对应关系,其中,EC在大别山和皖南山区存在明显干偏差,在江苏淮北地区则出现系统性北偏。WARMS和PWAFS两种区域模式均在大别山和皖南山区上游地区和下游浙江地区出现大范围湿偏差,而在江苏淮北地区出现干偏差;(2)24 h预报技巧评分结果表明,EC对暴雨及以下量级的TS评分最高,但大暴雨量级PWAFS最优,原因是EC对大暴雨量级出现较高漏报。对比WARMS和PWAFS两家区域模式可见,PWAFS在几乎各量级的空报和漏报率都低于WARMS,因此TS评分也高于WARMS;(3)通过MODE对象诊断分析发现,EC对降水位置预报最稳定,PWAFS对降水强度和范围的预报效果最优,但对雨带位置的预报不够稳定。总得来说,PWAFS的预报性能略优于WARMS,与EC相比在对降水强度和雨带范围的刻画上也具有优势,但预报稳定性尚有待提高。     

近30年江苏人体舒适度指数变化特征分析

利用江苏地区37个观测站1980－2009年逐日气象资料,通过线性趋势以及通径分析法,对人体舒适度指数（CIHB）的时空演变特征进行了分析。结果表明：（1）近30年来,江苏年均CIHB呈现显著的上升趋势,线性趋势为0.11/年,淮北、江淮之间、苏南的CIHB年际变化特征与全省平均的演变特征基本保持一致;（2）除夏季外,其余三个季节的CIHB均有较明显的上升趋势,其中春季的上升趋势最为明显,秋季次之,冬季的年际变化幅度最大,CIHB春、夏（秋、冬）两季的南北差异较小（较大）;（3）CIHB与温度（相对湿度和风速）存在显著的正（负）相关,其中温度对CIHB的正影响最大,相对湿度和风速对CIHB的最终影响是通过温度起负作用;（4）虽然近30年江苏整个夏季的CIHB不存在明显的变化趋势,但自20世纪90年代初期以来,7、9月份还是存在着弱上升趋势。研究表明,在全球气候变暖的大背景下,对江苏地区的CIHB气候变化特征的研究可为人们应对气象要素变化采取有效防范措施以及旅游、能源业的气象服务提供一定的科学依据。     

近54 a江苏梅雨演变特征及2014年梅雨监测分析

通过对1961-2014年江苏省56个常规气象观测站降水及历年5-8月太平洋副热带高压资料进行了整理、订正及分析,揭示了江苏省梅雨入出梅日期、梅雨量、梅雨强度等特征量的变化趋势及年代际变化差异,并对2014年江苏省梅雨异常进行了分析。研究表明：长江以北和长江以南站点均表现出梅雨强度增强,梅雨期内降水频次和强降水事件频次增多的趋势,其中长江以南的梅雨强度、降水频次和强降水事件频次的变化趋势分别为0.18/（10a）、0.75 d/（站·10a）和0.25 d/（站·10a）较长江以北的变化趋势0.07/（10a）、0.01 d/（站·10a）和0.08 d/（站·10 a）更为明显,年代际变化特征也不尽相同。从2014年梅雨监测来看,长江以北处于空梅年份,长江以南则出现了长度为11 d的梅雨。     

21世纪前期中国降水预估及其订正

用全球格点分析数据集（CRU TSv4.0）月降水资料和24个CMIP5（Coupled Model Intercomparison Project Phase 5）模式历史模拟数据以及RCP4.5情景下的预估数据,分析了多模式集合平均降水的偏差特征并进行了扣除模式气候漂移和一元对数差分回归订正。结果表明,模式降水在西部和北部明显偏多,东南沿海偏少;冷季（11月至次年4月）在全国大部分地区模式降水偏多,暖季（5～10月）东南沿海季风区偏少。1956～2005年多模式集合平均历史模拟降水偏差中84%属于气候漂移,其余是偏差的非定常模态。扣除气候漂移后,RCP4.5情景下2006～2015年中国模式降水预估偏差减小90%以上,大部分地区降水偏差百分率分布在±5%以内,仅在青藏高原西部和西北中部等地区模式降水偏多10%～40%;暖季降水偏差分布与年降水量类似;冷季偏差较大,北方降水偏多,南方偏少。检验表明,一元线性对数差分回归方程订正后,模式降水对于2006～2015年期间西南和江南中部的干旱少雨气候均能再现,且距平同号率高于多模式集合平均和扣除气候漂移的结果。用该方法对RCP4.5情景下2016～2035年模式预估降水进行订正,结果显示,南方（淮河以南）降水减少5%～20%,河套、内蒙古和华北北部减少20%～40%,东北南部、淮河流域、西北大部增加10%～40%及以上,东南沿海和台湾省降水增加10%～20%。以上降水预估结果说明,在RCP4.5情景下,21世纪前期持续十年的西南干旱会略有缓解,但南方降水偏少格局变化不大,淮河流域和三江源区及其以西等地降水可能明显增加。中国降水异常分布总体呈现南北少、中间多的格局,但北方和西部高山地带的降水预估存在较大的不确定性。     

历史上的淮河洪水

2003夏季淮河流域发生了自1991年以来最为严重的洪涝灾害。为了更进一步认识淮河洪水的历史背景，根据史料反演得到的历史上淮河流域洪涝资料以及降水量观测资料分析了1470-2002年该地区的洪涝发生情况。根据淮河流域的洪水在全国范围降水分布和其他地区的关系分类，淮河降水主要有两种类型：第一种是长江淮河型，雨带集中在长江下游，也包括淮河；第二种是华北南部型，降水主要集中在华北南部和淮河。通过分析这两种类型的降水分布与对应的500hPa高度场的关系，得知淮河洪水和大气环流的异常有着紧密的联系，进一步研究洪水发生的规律，了解其形成的大气环流机制将有助于淮河的防洪抗汛工作。