| 基于卷积神经网络的长江流域夏季日最高温度延伸期预报方法研究 |
| |
| 引用本文： | 雷蕾,徐邦琪,高庆九,谢洁宏.基于卷积神经网络的长江流域夏季日最高温度延伸期预报方法研究[J].大气科学学报,2022,45(6):835-849. |
| |
| 作者姓名： | 雷蕾 徐邦琪 高庆九 谢洁宏 |
| |
| 作者单位： | 南京信息工程大学 气象灾害教育部重点实验室/气候与环境变化国际联合实验室/气象灾害预报预警与评估协同创新中心, 江苏 南京 210044;南京信息工程大学 气象灾害教育部重点实验室/气候与环境变化国际联合实验室/气象灾害预报预警与评估协同创新中心, 江苏 南京 210044;广东省揭阳市气象局, 广东 揭阳 515599 |
| |
| 基金项目： | 国家自然科学基金资助项目(42088101;42075032) |
| |
| 摘 要： | 长江流域是我国夏季高温热浪灾害的多发区之一,该地区日最高温度(Tmax)具有显著的低频(10～30 d和30～60 d周期)变化特征,超前-滞后相关分析和气温方程诊断的结果显示,影响长江流域Tmax低频变化的大尺度环流/对流信号包含:自欧亚大陆东移南下的低频波列,自东北亚向西南方向传播的异常环流,以及由西太平洋向东亚传播的低频对流;这些低频对流/环流活动通过改变辐射加热过程及绝热过程,导致长江流域Tmax的低频变化。为了客观且有效地辨识和捕捉这些先兆信号,并考虑长江流域Tmax与大尺度因子间的非线性作用,本文采用机器学习方法中的卷积神经网络(Convolutional Neural Network,CNN)对大量历史数据进行训练,并构建了长江流域Tmax的延伸期预报模型。在独立预报阶段,CNN预报模型对长江流域区域平均Tmax的预报时效达30 d,提前5～30 d预报的Tmax与观测Tmax的时间相关系数介于0.63～0.70(通过99％置信度的显著性检验),量级偏差(均方根误差)小于1个标准差,显示出CNN在延伸期灾害天气预报的应用潜力。
|
| 关 键 词： | 长江流域高温热浪 低频振荡 卷积神经网络 延伸期预报 日最高气温预报 |
| 收稿时间： | 2021/11/1 0:00:00 |
| 修稿时间： | 2022/9/7 0:00:00 |
Extended-range forecasting method of summer daily maximum temperature in the Yangtze River Basin based on convolutional neural network |
| |
| LEI Lei,HSU Pang-chi,GAO Qingjiu,XIE Jiehong.Extended-range forecasting method of summer daily maximum temperature in the Yangtze River Basin based on convolutional neural network[J].大气科学学报,2022,45(6):835-849. |
| |
| Authors: | LEI Lei HSU Pang-chi GAO Qingjiu XIE Jiehong |
| |
| Institution: | Key Laboratory of Meteorological Disaster of Ministry of Education(KLME)/Joint International Research Laboratory of Climate and Environment Change(ILCEC)/Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters(CIC-FEMD), Nanjing University of Information Science &Technology, Nanjing 210044, China; Key Laboratory of Meteorological Disaster of Ministry of Education(KLME)/Joint International Research Laboratory of Climate and Environment Change(ILCEC)/Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters(CIC-FEMD), Nanjing University of Information Science &Technology, Nanjing 210044, China;Jieyang Meteorological Service, Jieyang 515599, China |
| |
| Abstract: | |
| |
| Keywords: | Yangtze River Basin heatwaves low-frequency oscillation convolutional neural network extended-range forecast daily maximum temperature prediction |
|
| 点击此处可从《大气科学学报》浏览原始摘要信息 |
| 点击此处可从《大气科学学报》下载免费的PDF全文 |
|
