深度学习技术在智能网格天气预报中的应用进展与挑战

中国智能网格天气预报已初步建立0—30 d涵盖基本气象要素的无缝隙气象预报业务体系。近年深度学习技术兴起,给不同领域带来前所未有的变革。同样,深度学习的非线性映射能力、海量信息提取能力、时空建模能力等优势为进一步提升智能网格预报的准确性和精细化水平提供了新的思路和方法。越来越多的研究将深度学习技术应用于智能网格预报的各个方面,包括数值预报订正和解释应用、集合天气预报、相似集合、统计降尺度、纯数据驱动的预报模型和极端天气预报等,并展示出良好的应用潜力。然而,目前深度学习技术在天气预报领域的应用仍处于起步阶段,将其引入智能网格预报业务体系还面临诸多挑战,主要包括算法的选择、算法的数据基础、多源数据融合以及模型的可解释性、可信度、可用性和工程化等。通过回顾近年来深度学习技术在智能网格预报中的应用进展和前景,同时对面临的挑战与应对进行探讨,将有利于促进深度学习技术在天气客观预报领域更好、更稳定的发展。      

多模式气候预估对华北冬小麦产量模拟的不确定性分析

基于CMIP5的多模式气候预估资料,应用集合方法,评估了未来中国华北地区冬小麦产量受气候变化影响的不确定性,并给出未来中国华北冬小麦增产或减产可能的概率。利用CMIP5的15个全球气候模式2006-2030年4种排放情景的54组逐日气候预估结果,运用CERES-Wheat模型模拟了未来华北地区冬小麦的产量。结果表明,气温的预估结果较好,降水量和太阳辐射的气候预估值的不确定性较大。河北、山东和河南的3个代表点小麦产量的模拟集合表明,未来冬小麦产量年际波动较大,以弱增产的概率为主,但是随气候变化的冬小麦产量的低产概率明显上升。最后本文还给出了2011-2030年间华北地区冬小麦产量不同等级的概率分布。     

台风大风低矮房屋易损性及智能网格预报的应用

低矮房屋是受台风影响最为严重的房屋类型之一。从建筑构件可靠性的角度,利用蒙特卡洛方法模拟典型双坡屋面小青瓦砖木结构的低矮房屋(以下简称为"低矮房屋")不同构件对风速的易损性曲线,低矮房屋不同构件的大风易损性为:侧边屋檐迎风屋面屋脊侧边墙角背风屋面。从而构建了台风大风对低矮房屋倒损概率模型,量化风灾对低矮房屋的风险。利用全球灯光数据(DMSP/OLS)对地面粗糙度进行分类,分析不同地面粗糙度低矮房屋易损性的差异。基于我国精细化智能网格预报产品,预估了2017年13号台风天鸽低矮房屋风险等级,并与实际灾情进行检验。结果表明,该模型的预估结果与实际灾情在广东中西部较为吻合,但在广东东部沿海地区产生了一定范围的空报,可能是智能网格风速预报产品在台风东侧风速偏大所导致,其预估结果的TS评分为0.28,空报率为0.62,漏报率为0.48,模型能够在一定程度上预估风灾对低矮房屋的倒损风险。