基于决策树算法的江苏省不同区域 短时强降水预报研究

采用2000—2019年13个地级市气象站地面观测站点观测资料以及ERA5再分析资料,基于机器学习中的经典的C4.5算法对江苏省不同区域是否出现短时强降水建立气象要素预报模型。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江苏省不同区域是否发生短时强降水进行预测,并且该决策树模型具有较高的泛化能力。决策树模型利用各区域总样本的前15 a数据样本进行自学习,学习准确率在淮北地区为89.70%,在江淮之间地区为87.89%,在长江以南地区为87.88%,利用各区域剩余5 a样本对该决策树模型的泛化能力进行测试,测试准确率在淮北地区为85.73%,在江淮之间地区为83.39%,在长江以南地区为93.92%。     

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。     

东中国海黑潮影响热带气旋强度的观测分析和数值模拟

采用1982—2008年高分辨率海温资料及日本气象厅热带气旋资料,对6—8月经过东海黑潮海区的热带气旋进行统计,发现经过该关键海区的热带气旋中有30%的热带气旋强度加强,而其中沿黑潮暖舌方向的热带气旋中有90%的个例出现增强趋势。对其中迅速加强的热带气旋进行合成分析,发现黑潮暖舌区的热通量增加对此类热带气旋的强度起到重要的促进作用。选取热带气旋个例Noguri为研究对象,通过中尺度数值模式再现其经过黑潮暖舌区加强的过程,并设计两组试验来进一步探究东海黑潮暖舌对台风强度的影响。模拟研究表明,黑潮暖舌对热带气旋强度的增强作用要强于热带气旋引起的冷水上翻所产生的减弱作用,东海黑潮暖舌主要通过增强海表面热通量来增强台风对流发展从而促使台风加强。     

影响吉林省台风气候预测的日地月位置相似法

利用中国气象局热带气旋资料中心CMA最佳路径数据集和天文软件对影响吉林省台风的气候特征和预测方法进行了研究,建立了日地月相对位置相似法.结果发现:在1949—2018年的70年中,影响吉林省的台风总数为107个,平均每年1.5个,占生成台风总数的4.5％;影响吉林省的台风均出现在6—10月,其他月份则没有台风影响,台风频数最多的月份为7月和8月;日地月位置相似法具有较高的预报准确率,所选取4个时段的确率均在75％以上,夏至前后的预报效果最好,确率达92％;当4个时段的最佳相似年相同时,所有被检验的年份预报的结果都是正确的,确率为100％.     

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。     

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。     

利用神经网络方法建立热带气旋强度预报模型

以神经网络方法为基础,建立西北太平洋热带气旋强度预测模型,模型首先进行历史相似热带气旋选择。从选择的样本出发,计算得到一组气候持续因子、天气学经验因子和动力学因子, 对这些因子采用逐步回归方法进行筛选,将筛选得到的因子同对应时效的热带气旋强度输入神经网络训练模块,从而得到优化的预测模型。从2004-2005年西北太平洋26个热带气旋过程对12,24,36,48,72h等不同预报时效分别进行的634,582,530,478,426次预测试验结果的统计来看,相对于线性回归模型预测水平,该模型显著降低了各时段的预测误差。从几个热带气旋个例的预测结果来看, 该模型对超强台风, 以及具有强度迅速加强、再次加强等特征的热带气旋过程均有很好的描述能力。     

基于BP神经网络技术的西北太平洋热带气旋年频数预测

利用NCEP月平均的500 hPa高度场和海表温度场分析资料、中国气象局台风年鉴(1949—1988年)和热带气旋年鉴(1989—2008年)资料,采用BP(神经网络模式)对发生在西北太平洋上的热带气旋年频数进行预测。对隐层节点数进行普查,采用试错法,并综合考虑模式精度及迭代次数,得到了相对较优的神经网络预测模式。利用选用的模式来预测热带气旋年频数,给出了具体的预测值及具有范围的预测值,8年独立样本检验结果表明有6/8的预测值处于或接近相应的预测范围内。     

近71a影响黑龙江省热带气旋统计特征分析

利用中国气象局上海台风研究所整编的1949—2019年热带气旋数据,统计分析近71 a影响黑龙江省的热带气旋发生时间、频率、强度、移动路径等特征。结果表明：近71 a影响黑龙江的热带气旋共有77个,平均1.08个·a^-1,其中有28 a没有热带气旋影响黑龙江;近10 a是黑龙江受热带气旋影响的活跃期,西北太平洋生成的热带气旋频数与影响黑龙江的频数没有直接相关关系,出现El Ni1o或La Ni1a现象时对影响黑龙江的热带气旋起抑制作用;热带气旋影响黑龙江最早出现在5月,最晚出现在9月,8月出现频率最高,“七下八中下”是每年的活跃阶段;在强度上,影响黑龙江的超强台风居多,但近年趋于减少,更多低级别的热带气旋可维持较长生命史北上产生影响;牡丹江市为黑龙江最易受热带气旋影响的地区;按移动路径可将影响黑龙江的热带气旋分为两类,分别为北上热带气旋和偏东路径热带气旋,其中北上热带气旋又可进一步分为七类,其中经朝鲜半岛东转向出现的频次最多,但对黑龙江影响相对较小;经朝鲜半岛北上和高纬东转向更容易给黑龙江带来严重的风雨影响。     

广东热带气旋降水年代际变化特征的分析

采用1951—2005年热带气旋和广东省26个测站降水的观测资料,分析了广东热带气旋及其降水的年代际变化特征。结果表明:广东热带气旋降水存在峰值为25年左右的振荡周期,影响广东的热带气旋个数和西北太平洋上热带气旋的形成个数都存在峰值为23年左右的振荡周期;广东热带气旋降水的年代际变化与影响广东的热带气旋个数和西北太平洋上热带气旋的形成个数存在高度正相关;广东热带气旋降水的年代际变化与西太平洋部分区域的年平均SST的年代际变化和北太平洋中高纬部分地区的年平均500 hPa位势高度的年代际变化存在显著的负相关;广东热带气旋降水偏少时期与降水偏多时期相比,一般赤道中、东太平洋的平均SST相对较高,而北太平洋中纬度地区的平均SST相对较低,北太平洋上的东亚大槽相对较强。     

近30年影响我国东南沿海的热带气旋降水强度变化特征分析

利用中国地面台站逐日降水资料和中国气象局上海台风研究所整编的热带气旋最佳路径资料研究了1978～2007年影响我国热带气旋降水强度的变化及其对我国东南沿海盛夏降水变化的影响.近30年影响我国东南沿海盛夏的热带气旋降水增加是导致我国东南沿海盛夏降水显著增加的主要原因.仅从热带气旋降水来看,东南沿海和内陆(包括江西、湖南东部和湖北南部)热带气旋降水强度显著增加,而影响热带气旋降水频次略有增加.通过对雨量站与引起降水热带气旋的中心距离的变化分析发现:内陆地区影响热带气旋距离显著下降,近距离热带气旋引起降水的增加,是该区域热带气旋降水强度增加的主要来源;而东南沿海地区近距离热带气旋降水增加不明显,热带气旋降水强度的增加主要由于同距离热带气旋降水强度的增加.热带气旋经过频次的空间的变化结果证实,近30年经过中国沿海的TC个数变化不大,仅福建沿海一带略有增加,而内陆地区则增加明显,且经过该区域时热带气旋移动速度变慢,这均与该区域近距离热带气旋降水的增加一致.     

SOME FEATURES OF SEVERE TROPICAL CYCLONE CHANGE IN THE COOL AND WANM SUMMER OVER EAST CHINA SEA

Based on the definition of cool summer and warm summer, statistical characteristics of severe tropical cyclones are studied over East China Sea using 1951-1994 typhoon and temperature data. It is foundthat the frequency, tracks, intensity and moving speed of the tropical cyclone between cold summer andwarm summer were much different. The backgtound features of the difference were also discussed incontrast.     

风云气象卫星“一带一路”热带气旋监测能力与最新进展

面向风云卫星服务“一带一路”倡议,我国风云气象卫星在轨运行的静止和极轨两个系列6颗卫星,已经联合组成了服务“一带一路”星座布局,建立了风云卫星应急减灾数据服务机制。本文对利用FY-2H、FY-4A和FY-3C/D开展的“一带一路”热带气旋监测方法以及最新进展进行了概述,列举了2018年和2019年影响力较大的连续致灾热带气旋、跨海域热带气旋,以及双/三/四个热带气旋共存的典型个例。结果显示在基于风云卫星开展的“一带一路”热带气旋监测业务中,将热带气旋发生演变的原理与气象卫星不同仪器观测原理相结合,在热带气旋生命史不同阶段根据所关注的不同侧重点,分别对应应用风云气象卫星不同观测仪器,对于热带气旋全生命史监测预报有重要意义。     

沿海风工程设计风速中泊松-耿贝尔法的应用

每年西北太平洋热带气旋(TC)发生的次数、移动路径和强度都是随机的,我国东南沿海各地每年受TC影响的次数便构成了某种离散型分布,而TC影响下的最大风速则可以构成某种连续型分布。该文采用上海台风研究所提供的1961—2006年TC中心风速和TC影响期间各台站大风资料,利用泊松-耿贝尔联合极值风速计算方法,计算了沿海各气象站TC影响大风的多年一遇风工程设计最大风速。结果表明:当观测资料样本序列较短,特别是像TC这样随机性很强的天气事件,泊松-耿贝尔联合极值算法更具优势;我国沿海地区有53.9%的台站50年一遇最大风速在25 m/s以下,最大风速大于42.5 m/s以上的台站分布于浙江的大陈岛、嵊山、石浦,福建的北茭和台山,广东的遮浪、上川岛和海南的西沙岛,在这些地区进行风电开发风险较大,应引起足够重视。     

登陆我国热带气旋的气候特征

利用1949～2001年西北太平洋热带气旋基本资料,对登陆我国热带气旋活动的气候特征进行了分析。结果表明,登陆我国的热带气旋频数存在显著的月际、年际和年代际差异,具有明显的时间日变化特征。同时指出,登陆我国热带气旋的频数与长江中下游地区梅雨量可能存在一定关系。此外,通过对在不同纬度带登陆的热带气旋进行统计分析发现,热带气旋所登陆的纬度带不同,其维持时间、衰减速度存在明显差异。     

Study on climatic characteristics of China-influencing tropical cyclones

Analysis of the climatic characteristics of the tropical cyclones that affect China yields several interesting features. The frequency of these tropical cyclones tended to decrease from 1951 to 2005, with the lowest frequency in the past ten years. The decrease in the frequency of super typhoons is particularly significant. The main season of tropical cyclone activities is from May to November, with an active period from July to September. There are three obvious sources of these tropical cyclones and they vary with seasons and decades. Their movement has also changed with seasons. On average, these tropical cyclones affect China for 5.6 months annually and the period of influence decreases in the past decades. An analysis of daily data indicates that the days of typhoon influence are shorter in winter and spring and longer in summer. The frequency of tropical cyclones is the largest over southeastern China, decreasing northwestward. Taiwan is the region that is affected by tropical cyclones most frequently. The average annual precipitation associated with tropical cyclones has also decreased gradually northwestward from southeastern China.