基于春季气候信号的“台风是否经过江苏”预测研究

利用中国气象局提供的1951—2018年台风最佳路径数据集,筛选经过江苏的热带气旋个例,发现历史上所有经过江苏的热带气旋都发生在夏秋季节。基于春季130种气候信号指数,利用C4.5决策树算法建立“台风是否经过江苏”的预测模型。结果表明:基于C4.5算法的决策树能够较为直观且准确地对每年“台风是否经过江苏”进行预测。利用1951—2000年(51 a)的数据样本进行训练,学习准确率达到82%,利用2001—2018年(18 a)的数据样本对模型进行泛化能力测试,测试准确率达到83.3%,最后利用2019年第9号热带气旋“利奇马”经过江苏的事实进行个例检验,符合决策树规则C。可以证明C4.5算法对“台风是否经过江苏”的预测具有较高的准确率和通用性。     

江苏省冰粒过程的天气特征和预报着眼点探讨

利用常规气象观测资料、微波辐射计资料和FNL再分析资料对2016年3月8日和2015年2月27日江苏省两次冰粒过程进行了对比分析,研究结果表明:(1)两次过程均是在后倾槽系统和东路冷空气的影响下产生的,环流形势为冰粒的产生提供了有利的大尺度条件;(2)在临近冰粒形成前,融化层和冻结层形成,而干层的形成时间要明显早于融化层和冻结层;(3)偏北的冷气流与偏南的暖气流随时间和空间分布不同导致温度平流分布不同,进而导致融化层和冻结层产生;(4)干层的形成主要是由于湿度平流随高度的分布差异造成的,水滴在干层中的蒸发吸热作用促进冻结层产生和维持。     

1713号台风“天鸽”近海突变特征及原因分析

使用NCAR/NCEP再分析资料和国家气象中心提供的逐时热带气旋资料,分析了台风"天鸽"的路径和强度特征,并在此基础上分析其近海突变原因,结果表明:(1)22日15时—23日13时为"天鸽"突变的关键时间段,突变第一段为22日15时—23日00时,第二段则为23日09—13时;(2)高海温对"天鸽"的加热作用导致了"天鸽"的近海突变;(3)"天鸽"的两次突变增强后,都伴随有更充沛的水汽输送,这有利于"天鸽"的潜热释放作用增强,进而引起"天鸽"强度突然增大。"天鸽"两次强度突变前,伴随着风垂直切变迅速减小,而突变后,高层出流的突然增大带来风垂直切变的增大;(4)涡度场演变特征与"天鸽"强度突变有着较好的对应关系,其中辐散项引起的低层辐合增强,有利于高层辐散气流的发展,而高层辐散的增强同时又有利于中低层辐合的进一步发展。这种正反馈机制促进了低层正涡度和高层负涡度的积累,引起了台风"天鸽"的强度突变。     

基于决策树算法的海州湾地区海雾预测北大核心

基于连云港西连岛站点2014—2018年逐小时气象观测资料,经过对海雾事件及气象要素特征的统计分析探寻海州湾海雾发生发展的基本规律,并基于机器学习中的经典的C4.5算法对海雾天气建立气象要素预测模型。结果表明:基于C4.5算法的决策树预测模型能够较为直观准确的对海州湾海雾进行预测,并且该决策树模型具有较高的泛化能力。利用2014—2017年的样本数据进行学习,模型的学习准确率为92.85%,利用2018年的样本数据对模型的泛化能力进行测试,测试准确率为93.51%。决策树算法在海雾预测中具有方便简洁、科学实用,准确率高等特点。     

基于决策树算法的江苏省不同区域 短时强降水预报研究

采用2000—2019年13个地级市气象站地面观测站点观测资料以及ERA5再分析资料,基于机器学习中的经典的C4.5算法对江苏省不同区域是否出现短时强降水建立气象要素预报模型。结果表明:基于C4.5算法的决策树预测模型能够较为直观准确的对江苏省不同区域是否发生短时强降水进行预测,并且该决策树模型具有较高的泛化能力。决策树模型利用各区域总样本的前15 a数据样本进行自学习,学习准确率在淮北地区为89.70%,在江淮之间地区为87.89%,在长江以南地区为87.88%,利用各区域剩余5 a样本对该决策树模型的泛化能力进行测试,测试准确率在淮北地区为85.73%,在江淮之间地区为83.39%,在长江以南地区为93.92%。     

组合表面Bragg散射模型共极化SAR海表面风速反演

组合表面布拉格散射模型CSBS（Composite Surface Bragg Scattering）由布拉格（Bragg）散射模型和几何光学模型组成，是海洋微波散射的经典模型，可用于星载合成孔径雷达SAR（Synthetic Aperture Radar）海表面风场反演。研究指出，Bragg散射模型仅适用于中等入射角条件，几何光学模型则更适用于小入射角情形。然而，如何确定中等和小入射角的阈值，即CSBS模型最优入射角的选取目前尚无定论。基于142景成像于美国东西海岸和中国东海的RADARSAT-2精细四极化SAR影像数据和海洋浮标数据，本文提出了一种最优局地入射角查找算法，分别对VV和HH极化SAR数据进行最优入射角阈值的选取。结果显示，局地入射角14°和16°分别为VV和HH极化影像CSBS模型反演风速最优入射角。基于最优入射角的选取，本文在0—15 m/s海况区间内利用CSBS模型对VV和HH极化SAR影像开展风速反演实验，并将反演风速与浮标风速进行对比。结果显示，基于VV和HH极化数据的CSBS模型反演风速与浮标风速均方根误差分别为2.15 m/s和2.32 m/s，相关系数分别为0.79和0.75，两者具有良好的一致性。本文研究结论表明基于最优入射角设置后的CSBS模型在海面风速小于15 m/s条件下具有良好的应用性，后续研究将更加关注CSBS模型在高海况以及交叉极化SAR数据情况下的应用。