勉略宁地区地质灾害危险性智能评价和区划研究

勉略宁地处秦巴山区，是陕西省地质灾害发育最严重的地区之一。笔者基于GIS与机器学习技术，采用了与地质灾害发生密切相关的12种因子，通过构建样本集，选用5种机器学习算法进行勉略宁地区的地质灾害危险性建模。实验结果标明，随机森林模型能够更好地模拟勉略宁地区的地质灾害发生情况。通过该模型对勉略宁地区进行地质灾害危险区进一步划分，从而指导地质灾害调查与防治工作。     

多普勒雷达在强降雪相态转变过程的研究应用

利用常规气象资料、NCEP1°×1°再分析资料和北京多普勒雷达资料，对河北廊坊地区2020年2月14日强降雪过程中相态转变特征进行详细分析，并引入HYSPLIT模式，对强降雪地区气块进行96 h后向追踪模拟。研究发现：零速度线闭合状态反应了低空急流与中高空急流（气流）发展、对峙、消亡等状态，对地面降水相态变化的临近预报有较好指示意义；距离北京多普勒雷达40－80 km范围内的廊坊各地面气象观测站，在零度层亮带高度迅速下降后半个小时到1小时内先后完成雨雪相态转变；利用HYSPLIT模式得到强降雪地区四个高度层的水汽源地、路径及贡献，发现：700 hPa和850 hPa对降水区的水汽贡献较大，且均为暖湿气流。