ODMV/ODMD对长江中下游一次暴雨过程的诊断分析

基于欧洲中期数值预报中心(ECMWF)再分析资料(ERA-interim)和长江中下游124站降水资料以及四种业务常用数值模式资料(EC-thin,T639-thin,Grapes和Japan-thin),以2016年6月30日~7月7日长江中下游地区连续性暴雨天气过程为例,详细分析和讨论了四种数值预报模式以及一维湿涡度(ODMV)和一维湿散度(ODMD)对于长江中下游暴雨落区的诊断效果。得到结论如下:(1)无论是主观分析还是与实际降水的空间相似度,ODMV/ODMD对于雨带和强降水中心的把握都明显优于四种数值模式,在空间分布上表现出更高相似性。(2)Japan-thin预报降水显著偏弱,T639-thin则偏强,而EC-thin、Grapes和T639-thin还表现出较大的离散程度,只有ODMV/ODMD对雨带和强降水中心的平均误差和均方根误差都最小,在降水强度上表现出更高准确性。(3)随着降水强度的增加,Japan-thin、EC-thin和Grapes的漏报率增加显著,Threat Score(TS)评分迅速降低;而T639-thin空报率增速较快,TS评分同样下降明显;只有ODMV/ODMD空报率迅速减小,漏报率缓慢增加,TS评分减弱得较慢,至最高标准时(6h≥30 mm),TS评分依然达到0.22,在降水的时间演变上表现出更好的协同性。     

基于决策树算法的鄂东地区冰雹识别技术北大核心CSCD

冰雹是对流性天气常见的灾害之一,雷达是识别冰雹强有利的工具,为克服现有方法主观性强、特征量阈值不明确以及虚警率高的不足,探究机器学习算法用于冰雹识别的可行性,基于决策树算法利用2015年1月1日—2021年12月31日鄂东地区冰雹灾情资料、武汉多普勒天气雷达以及探空资料,将湿球温度高度引入冰雹识别因子中,并根据命中率、虚警率和临界成功指数定量评估其识别能力。结果表明:仅包含回波强度的决策树(强度决策树)和包含回波强度和湿球温度高度的决策树(强度-高度决策树)均能有效识别冰雹,强度-高度决策树较强度决策树的命中率和临界成功指数均小幅提高,且虚警率明显降低;强度决策树识别冰雹的关键因子为组合反射率因子,底层多为0.5°和1.5°仰角反射率因子,强度-高度决策树的关键因子为0.5°仰角反射率因子,底层多为风暴的整体强度属性;个例分析显示强度-高度决策树减少了湿球0℃层高度较高时的虚警次数,展现出良好的应用前景。     

北太平洋东部风暴轴的时空演变特征

本文利用欧洲中期天气预报中心(ECMWF)逐日再分析资料(ERA-40),以500 hPa位势高度滤波方差为代表,对1957年12月～2001年11月期间44年528个月北太平洋区域(30°N～60°N,120°E～120°W)月平均风暴轴的多中心数目和最强中心位置进行了客观统计,在此基础上,对北太平洋区域进行了分区,通过对比各区域风暴轴的时间演变和结构变化,重点揭示了北太平洋东部地区风暴轴的时空演变特征.主要结论如下:(1)逐月来看,北太平洋风暴轴“多中心”现象普遍存在,概率高达94.7%,最典型的分布呈2～3个中心分布;从季节上来看,春季是“多中心”现象最容易出现的季节,秋季和冬季相对较少,而4个及以上的“多中心”现象则更容易出现在夏季.(2)若把最强中心出现在160°W以东地区的北太平洋风暴轴定义为东部型风暴轴,那么从月份上来看,7月相对最容易出现东部型风暴轴,1月和2月最难;从季节上来看,夏季相对最容易出现东部型风暴轴,冬季最难;总的来看,出现东部型风暴轴的频数大约占总频数的三分之一.(3)从垂直结构上看,在北太平洋160°W以东地区,风暴轴的强度可以最强,但与斜压性密切联系的涡动向极和向上热量通量的最大值却并不是最强.(4)经验正交函数分解(EOF)分析的结果表明,在不同季节、不同区域以及是否单独考虑东部型风暴轴的情况下,风暴轴的变化虽然表现出了一定的差异,但都反映出在北太平洋东部区域风暴轴的变化特征有其独特特点,如在该区域风暴轴的主要变化模态并不一定时时与其他区域的主要变化模态一一对应.北太平洋东部区域风暴轴变化的原因和机制值得进一步深入探讨.     

四种机器深度学习算法对武汉地区雷达回波临近预报的检验和评估

基于PredRNN++、MIM、CrevNet和PhyDNet四种机器深度学习算法,利用武汉地区2012—2019年的雷达和降水资料,开展了人工智能技术在武汉地区临近预报中的应用研究,根据均方误差(MSE)、结构相似性指数(SSIM)、命中率(POD)、虚警率(FAR)和临界成功指数(CSI)等指标检验评估了四种机器学...     

武汉重污染天气过程触发机制及主要影响因素分析

利用天气学和数理统计方法,基于2013—2017年(100°—120°E,25°—45°N)范围内405个环境空气质量评价点数据、武汉市空气质量实时监测数据以及相应时段常规气象观测资料,对武汉重污染天气过程触发机制及主要影响因素进行了分析,结果表明:(1)武汉市2013—2017年空气质量重污染过程发生频率和过程平均持续时长均呈明显下降趋势。(2)引发武汉市空气质量重污染过程的天气形势在海平面气压场表现为冷空气入侵、静稳天气两种类型,形成机制分别为风力加大导致风向上游空气质量指数AQI大值区污染物输送和扩散条件较差导致本地污染物堆积。(3)典型的武汉城区重污染过程形成的天气模型为:过程开始时静稳天气下本地污染物堆积;冷空气南下时风力加大导致外源污染物输入;冷锋过境后内外源污染物叠加;冷空气影响过后扩散条件转好,过程结束。(4)空气质量实时变化与气压、风、温度、相对湿度等气象要素有密切的关系。在不同的天气形势下,应以气压的实时变化为基础,结合其它气象要素的特征,分析制作AQI精细化变化趋势预报。     

北太平洋东部风暴轴的变化特征及其与大气环流和SST异常的关系

利用欧洲中期天气预报中心ECMWF(European Center for Medium-range Weather Forecast)逐日再分析资料(ERA40),通过经验正交函数(empirical orthogonal function,EOF)分解发现,冬季北太平洋东部风暴轴有着显著的年际变化特征:第一变化模态为在气候平均位置南北相反的偶极子变化型,第二变化模态为在气候平均位置处一致增强或减弱的变化型,第三变化模态为三极子的变化型。进一步的回归分析发现:当东部风暴轴南压(北抬)时,同期冬季是一种厄尔尼诺(拉尼娜)年海温异常空间分布型,中纬度北太平洋海区以及赤道中、东海区,冬季冷(暖)异常的洋面上是异常低压(高压),对流层中层是太平洋—北美型(Pacific-North American Pattern,PNA)遥相关的正(负)位相;当东部风暴轴增强(减弱)时,同期冬季黑潮区海温偏暖(偏冷),对流层中层表现为西太平洋型(West Pacific Pattern,WP)遥相关的正(负)位相;当东部风暴轴呈现西北—东南+-+(-+-)相间三极子的分布时,同期冬季巴布亚新几内亚附近海温异常偏暖(冷),夏威夷附近海温异常偏冷(暖),冬季冷(暖)异常的洋面上是异常低(高)压,对流层中层表现出类似PNA正(负)位相。EOF分解各模态所对应时间系数与阿留申低压(Aleutian Low,AL)指数、PNA指数、Nino3指数、WP指数、黑潮海温(Kuroshio Current,KC)指数之间存在显著的相关,这些证明了东部风暴轴与同期大气环流及SST异常之间的联系。     

GPS和灰色模型在变形监测中的应用

GPS定位技术具有诸多优点能够满足现代变形监测的需求。变形预测是一个影响因素很复杂的过程,灰色系统对于建模数据量要求比较低,能够有效克服回归分析等统计分析方法的不足,非常适合小样本的短期预测。以"川气东送管道南京扬子石化末站监测项目"中场地形变观测为例,简述GPS及灰色GM(1,1)模型在具体工程项目上的应用,且达到了满意的效果。     

罕遇地震下高层RC框架结构双地震动强度参数易损性分析

为研究高层RC框架结构罕遇地震下的易损性,设计了一个7度区典型11层RC框架结构。采用IDA方法进行时程分析,以地震动峰值地面加速度和结构第一自振周期对应的谱加速度为地震动强度指标,最大层间位移角为结构损伤指标,分别得到了单一地震动强度和双地震动强度参数下的IDA曲线和失效概率,绘制了双地震动强度参数下易损性曲面,并对单一地震动强度和双地震动强度参数下的易损性分析结果进行了对比。结果表明:罕遇地震下,采用双地震动强度参数结构失效概率明显低于采用单一地震动强度参数结构失效概率;对高层RC框架结构,采用双地震动强度参数进行易损性分析反映的地震动信息更全面;采用双地震动强度参数得到的结构失效概率公式更能真实量化不同强度地震作用下结构的失效概率。     

北太平洋风暴轴“深冬抑制”现象的能量分析

采用欧洲中期天气预报中心逐日再分析资料（ERA-40）,从局地能量变化方程出发,通过分析北太平洋风暴轴区域对流层不同层次局地能量的季节演变过程,对风暴轴区域各能量项在“深冬抑制”现象中的作用进行了深入探讨。结果表明,天气尺度扰动动能的季节变化可以很好地反映北太平洋风暴轴的“深冬抑制”现象,并且该现象在对流层上层最为显著,其发生概率约为80％,其中20世纪70年代中后期到80年代前期抑制最强。从同期各能量项的变化来看,扰动动能的变化主要受斜压能量转换项、涡动非地转位势通量的散度项和正压能量转换项的影响。在深冬季节,由于消耗扰动动能的正压能量转换项虽有些微弱减少从而使得扰动动能有所增加,但为风暴轴提供扰动动能的斜压能量转换项和涡动非地转位势通量的散度项减少的幅度却更大,因而总的效果是扰动动能大为减小,这可能是造成北太平洋风暴轴“深冬抑制”现象的直接原因。     

深度学习模型在2021年汛期武汉市雷达回波临近预报中的应用评估

近年来，人工智能技术在图像识别领域取得了突破性进展，为探寻人工智能模型在武汉地区雷达回波临近预报中的应用价值，本文利用湖北武汉市2015—2020年雷达回波和降水量观测资料，对PredRNN++、MIM、CrevNet和PhyDNet 4种深度学习模型进行雷达回波临近预报训练，并基于2021年汛期雷达回波资料进行雷达回波临近预报。在此基础上，通过降水强度和降水面积指数筛选降水过程，并以均方误差（Mean Square Error, MSE）、结构相似性指数（Structural Similarity Index Measurement, SSIM）、命中率（Probability of Detection, POD）、空报率（False Alarm Rate, FAR）和临界成功指数（Critical Success Index, CSI）为指标，检验评估上述4种深度学习模型和光流法对2021年汛期武汉地区雷达回波的临近预报性能。结果表明：（1）整体来看，MIM模型的MSE最小、POD最高，MIM和PredRNN++模型的SSIM并列最高；所有深度学习模型的FAR均低于光流法，且Phy...