基于机器学习的灾害性天气多尺度预测模型

为提高传统数值模拟预报结果的准确性,引入机器学习算法构建一种新型灾害性天气多尺度预测模型。通过降尺度时空融合算法实现遥感数据融合,反演推算得到大气气溶胶光学厚度作为天气预测模型的输入变量。利用包含反向解搜索策略的萤火虫优化算法,建立预测模型参数寻优策略,应用机器学习的支持向量机算法,构建包含多项式核函数的复杂多尺度预测模型,在考虑各种不确定因素的情况下进行不断训练,最终得到灾害性天气预测结果。使用该模型对2015年6月23日00—24时成都市灾害性天气进行预测,预测结果的ROC(Receiver Operating Characteristic)曲线的AUC(Area Under the Curve)值为0.88,且龙泉驿、新津和金堂站的预测正确率达90%。基于机器学习的灾害性天气多尺度预测模型可为灾害性天气预测提供一种有效手段。     

一次甘肃天水强冰雹的雷达回波特征及成因分析

利用常规气象观测资料、天气雷达以及NCEP FNL再分析资料,对2017年5月18日下午天水一次强冰雹天气的雷达回波结构演变特征和成因进行了详细分析。结果表明:(1)降雹对流单体低层反射率因子呈现出明显的"V"型缺口,最大回波强度出现在低层,为63 d Bz。反射率因子垂直剖面呈对流单体有界弱回波区和其上的回波悬垂,相应的径向速度垂直剖面呈中低层径向风有明显的辐合特征,高层转为辐散,尤其风暴顶附近。(2)对流单体发生在对流层中层河套地区至甘肃河东东部低涡及其附近冷区和河西中部高压脊及其东北部冷池和低层甘肃与宁夏交界处冷性低涡分别为干冷空气入侵和暖湿气流辐合抬升提供有利条件的环境背景下;较高CAPE值和低CIN值有利于强对流天气发生;对流层中低层深厚的上升气流,中层下沉气流和0℃层以上强气流上升有利于对流单体水汽输送以及生成、发展和维持;距地高度2600～2900 m的0℃层为大冰雹落地提供了环境条件。(3)冰雹临近预警的雷达参数化指标为最大反射率因子达55 d Bz,VIL最大值和VIL密度分别达25 kg·m-2和2. 3 g·m-3。     

甘肃省暖季小时降水变化特征

利用2013-2019年暖季（4-9月）小时降水资料，分析了甘肃省强降水极值及频率的时空分布特征。结果表明：（1）甘肃省小时强降水频次呈现东高西低分布，在陇南地区东南部及陇东地区北部有2个高中心，达到29次。（2）小时强降水极值在陇中地区及以南地区高，向西北递减，陇南地区降水极值最高，超过40 mm/h。（3）小时强降水频次主要出现在7-8月，同期的雨强也最大；小时强降水频次和小时雨强均在17-24时最强，峰值为21时。（4）不同区域的降水日内变化存在明显差异，河西地区小时降水频次的峰值出现在18时，陇中和陇南地区均出现在21时，陇东地区和甘南高原分别出现在22时和19时。