基于多种机器学习模型的夏季北冰洋海雾卫星检测方法研究

利用2014—2018年6—9月Aqua/MODIS提供的光谱数据、海面温度数据及其他辅助数据,基于CALIOP L2 VFM产品中云底高度提取的海雾、云和海表标签,建立3类样本数据集。结合使用K折交叉验证法、网格搜索法和粒子群优化算法训练随机森林（random forest,RF）、支持向量机（support vector machine,SVM）、多层感知机（multilayer perceptron,MLP）和全卷积神经网络（fully convolutional network,FCN）4种不同的机器学习模型,对比模型在北冰洋夏季海雾检测中的表现。结果显示,RF、SVM、MLP和FCN均表现出一定的海雾检测能力,检出率（probability of detection,POD）均超过70%。其中,FCN表现出最稳健的综合性能,POD达到79.91%,虚警率达到较低的24.90%,关键成功指数达到63.17%。     

基于FY-4A大气温度廓线数据的西北太平洋低云云顶高度反演研究

西北太平洋的低云云顶高度(cloud top height,CTH)是气候研究和气象灾害监测中的重要参数。研究中常用卫星数据获得大范围、连续变化的低云云顶高度,但其与实际的低云云顶高度存在较大的偏差。因此,基于低云云顶一般在低层逆温层底这一观测现象,提出一种利用 FY-4A 卫星大气垂直廓线数据反演低云云顶高度的方法(称为“逆温法”),并尝试用于西北太平洋低云云顶高度反演研究。利用星载激光雷达 CALIPSO(Cloud-Aerosol Lidar and Infrared Pathfinder Satellite Observation)探测的低云云顶高度,检验 FY-4A 卫星的云顶高度产品(CTH_AGRI)和“逆温法”反演的低云云顶高度结果(CTH_GIIRS ),表明两者均显著偏低,与 CALIPSO 探测的云顶高度差分别为 -0. 49 km和-0. 27 km,相较而言,“逆温法”反演的低云云顶高度更接近 CALIPSO 的探测结果,优于FY-4A卫星的云顶高度产品。     

基于卷积神经网络的西北太平洋夜间海雾/低云卫星检测方法研究

使用Himawari-8静止卫星数据,基于CALIPSO卫星云底高度结合云雾水平均匀性特征提取海雾/低云标签,并使用全卷积神经网络与全连接条件随机场相结合的模型(Fully Convolutional Network and Conditional Random Field, FCN-CRF),提出一种夜间海雾/低云卫星检测方法。经过建立与训练模型,使用CALIPSO卫星的海雾/低云观测检验FCN-CRF模型和双通道差值法的结果。FCN-CRF模型表现良好,其检出率(probability of detection, POD)为0.611,虚警率(false alarm ratio, FAR)为0.174,临界成功指数(critical success index, CSI)为0.541,Hanssen-Kuiper技能分数(Hanssen-Kuiper Skill Score, KSS)为0.436,Heidke技能分数(Heidke Skill Score, HSS)为0.577,整体优于双通道差值法。     

青岛近岸能见度逐小时分级预报模型初探

本文对青岛2014~2015年4~8月份位于青岛奥帆基地站和胶州湾跨海大桥上的大桥4站的逐小时自动气象站测量数据进行多种统计分析工作,发现两地能见度变化影响因子有不同特点,大桥4站在雾出现时降温增湿过程更明显。能见度处于1km以下时,风速降低,温度降低,绝对湿度减小会导致更低的能见度出现。使用神经网络方法分别对两站建立逐小时的能见度分级预报模型,并用2016年4~8月数据进行预报检验,表明少数关键预报因子就可以较好地建立预报模型,奥帆基地站能见度0~1km和1~5km级别的TS评分可超过0.4,因子增多会提升能见度1~5km级别的预报效果。两站独立建模比使用一个模型预报效果更好。该研究为青岛近岸能见度精细化客观定量预报提供参考。     

基于循环神经网络的单站能见度短临预报试验

由于能见度具有局地性和复杂的非线性变化特征,一直是精细化预报的难点。人工神经网络对复杂变化过程的模拟能力较高,为解决这一难题提供了可能性。本文采用循环神经网络,利用福州气象观测站地面观测数据,建立了福州单站能见度短临预报模型,并就预报能力进行了评估。随机检验结果表明,在1 h、3 h、6 h时效上,循环神经网络的预报与观测的变化趋势一致性较好;均方根误差比基于实况的预报分别减小15. 75%、31. 66%、41. 26%,说明具备较好的预报能力;平均绝对值误差比传统BP神经网络分别减小12. 90%、24. 45%、38. 99%,表明循环神经网络对能见度预报具有优势,为能见度的精细化短临预报提供了新途径。     

东海黑潮暖水区一次夜间云覆盖边界层发展过程的大涡模拟——辐射强迫研究

2015年4月2日,中国海洋大学东方红2船在东海黑潮暖水区观测到了一次夜间云顶逆温边界层发展的过程。本文利用船载数据及UCLA_LES3.0模式进行数值模拟,讨论边界层发展的原因以及云对边界层发展的作用。结果显示,海表潜热通量的供应使边界层内水汽增多,水汽抬升凝结成云。云的产生使边界层内水汽通量、热通量以及垂向湍流速度的分布发生改变,云区的水汽通量变大,云顶的热通量发生突变,云区和近表面层均有湍流速度的极大值,云底有湍流速度的极小值。云形成过程中通过改变边界层内浮力项的贡献影响边界层的垂直结构,云区有正的浮力项贡献,云底以下有负的浮力项贡献。云顶长波辐射主要影响边界层中上层,在关闭辐射强迫后,边界层内比湿和位温的廓线没有明显变化,但最大垂直速度减小了20%,垂向积分的湍流动能降低了约30%,垂向湍流速度在边界层中上层不存在极大值,边界层内热通量廓线没有突变,水汽通量和热通量廓线分布与晴空边界层廓线相当。本研究通过数值试验证明了云顶长波辐射效应对大气边界层的反馈作用,为理解云与边界层的相互作用提供了科学依据。     

2009年黄海绿潮浒苔爆发与漂移的水文气象环境

2008年和2009年,黄海中西部局部海区均出现绿潮浒苔,但由于绿潮爆发时间不同和漂移路径不同,造成的影响大不相同。本文利用EOS卫星的多通道资料,采用通道合成的方法,给出了绿潮浒苔的分布和移动情况。利用卫星遥感的海面风场、降水、云中液态水含量、海表面温度(SST)、POM模式模拟的海流等资料,分析了2009年绿潮浒苔期间的水文气象条件、以及浒苔聚集和定向移动的原因,并与2008年的情况进行了对比。结果表明,前期降水的明显增多与绿潮爆发有密切关系,降水过后海水中营养盐类充足,而且降水后黄海上空降水和云中液态水含量偏少,日照比较充足,光合作用强,有利于海上浒苔迅速繁殖。2009年黄海西部降水明显增多的时间较2008年晚15 d左右,是2009年绿潮浒苔爆发比2008年晚15 d左右的重要原因。风力是浒苔在海洋中移动的主要强迫力,强劲持续的的东风或者东南风是导致2008年浒苔在青岛沿海登陆的主要外界强迫力,而2009年西南风使浒苔向东北方向漂移。SST变化对浒苔爆发的影响不显著。定量分析表明,浒苔密集区的移动更倾向于与盛行风向一致,向下风方偏右5~40(°)方向漂移,浒苔密集区的移速与海流速度更加一致,约为海流速度大小的0.8倍。     

冬季不同背景风场下边界层云对东海黑潮锋的响应个例研究

为探究冬季不同背景风场下黑潮锋影响边界层云的机理,采用高分辨率卫星数据和再分析数据,研究了冬季海面背景风为垂直(西北风)和平行(东北风)东海黑潮海表面温度锋(黑潮锋)条件下,边界层云对黑潮锋的响应。结果表明:背景风垂直黑潮锋情况下,黑潮锋强迫的边界层内次级环流明显,黑潮锋暖水侧海面冷平流强,海气温差增大,海气界面潜热感热通量增大,海气界面不稳定性增大,产生上升运动,云底高度抬升。上升运动在边界层底向南北两侧辐散,在冷水侧产生下沉运动与500 hPa高压下沉叠加,使局地云量明显减少,形成晴空少云区(云洞)。在暖水侧以南的下沉支叠加云顶上的下沉运动和边界层退耦效应共同作用,产生另一个云洞。气压调整机制为次级环流产生的主要原因。背景风平行黑潮锋情况下,海面空气温度平流作用小,暖水侧海气温差较小,虽然海洋仍然加热大气,但海气界面不稳定较弱,湍流增强使云底高度抬升,垂直混合机制为该湍流增强的主要原因。