ALow-order Model of Two-dimensional Fluid Dynamics on the Surface of a Sphere

ＡＬｏｗ－ｏｒｄｅｒＭｏｄｅｌｏｆＴｗｏ－ｄｉｍｅｎｓｉｏｎａｌＦｌｕｉｄＤｙｎａｍｉｃｓｏｎｔｈｅＳｕｒｆａｃｅｏｆａＳｐｈｅｒｅＭｏｚｈｅｎｇＷｅｉ（ＣＲＣｆｏｒＳｏｕｔｈｅｒｎＨｅｍｉｓｐｈｅｒｅＭｅｔｅｏｒｏｌｏｇｙ，ＣＳＩＲＯＤｉｖｉｓｉｏ...     

Improvement of spatial interpolation accuracy of daily maximum air temperature in urban areas using a stacking ensemble technique

ABSTRACT

The reliable and robust monitoring of air temperature distribution is essential for urban thermal environmental analysis. In this study, a stacking ensemble model consisting of multi-linear regression (MLR), support vector regression (SVR), and random forest (RF) optimized by the SVR is proposed to interpolate the daily maximum air temperature (T_max) during summertime in a mega urban area. A total of 10 geographic variables, including the clear-sky averaged land surface temperature and the normalized difference vegetation index, were used as input variables. The stacking model was compared to Cokriging, three individual data-driven methods, and a simple average ensemble model, all through leave-one-station-out cross validation. The stacking model showed the best performance by improving the generalizability of the individual models and mitigating the sensitivity to the extreme daily T_max. This study demonstrates that the stacking ensemble method can improve the accuracy of spatial interpolation of environmental variables in various research fields.     

中国冬季气温的集合典型相关分析和预报

以欧亚大陆地面温度、北半球500 hPa高度、热带印度洋SST(sea surface temperature)以及北太平洋SST为预报因子,通过典型相关分析(canonical correlation analysis,简称CCA)建立预报关系,然后用集合典型相关分析预报(ensemble canonical correlation prediction,简称ECC)方法预报中国冬季气温,并分析预报技巧及进行独立样本检验.结果表明,不同的预报因子对各个地区有不同的预报技巧,以欧亚大陆地面温度为预报因子预报技巧较高,而ECC模式对中国冬季气温有更好的预报能力,预报技巧高于任何一个单因子场的CCA预报;采用回归法的集合平均比简单的等权集合平均预报技巧更稳定.     

基于CART集成学习的城市不透水层百分比遥感估算

利用Landsat ETM^＋遥感数据，提出了一种基于CART集成学习的ISP遥感亚像元估算方法，将Boosting重采样技术引入CART分析中，用于提高ISP估算的精度。实验结果表明，该方法的ISP估算性能优于传统的单一CART学习算法，从ETM^＋影像中估算的ISP值与真实值之间的相关系数达到0．91，平均偏差为11．16％。     

集合敏感性分析在北半球中纬度高影响天气中的应用

总结回顾了集合敏感性分析(ESA)在诊断中纬度高影响天气预报不确定性中的应用。作为一个简单高效且不需要大量计算资源的方法,集合敏感性分析主要被应用在中纬度气旋、台风或飓风的温带转换,以及在强对流过程中诊断预报误差和不确定性的来源。集合敏感性方法极有灵活性,可以根据实际需要改变不同的预报变量和初始场。在对2010年美国东岸圣诞节暴风雪的分析中,集合敏感性分析通过三种形式来诊断了预报不确定性的初值敏感性,即基于EOF分析的敏感性、预报差别的敏感性,以及基于短期预报误差的向前积分敏感性回归。三种方法证实气旋路径的不确定性主要和位于美国南部大平原的短波槽初始误差相关。此外,气旋强度的不确定性还和产生于北太平洋向下游延伸的罗斯贝波列相关。集合敏感性分析方法对于分析中纬度气旋的不确定性、诊断初值敏感性、分析误差发展机制都非常有效。集合敏感性分析也被应用于分析台风/飓风的温带气旋转换过程的不确定性。在对2019年美国首个主要登陆台风Dorian的分析中发现,加拿大CMC的集合预报主要不确定性来自于强度的不确定性,而这个不确定性与初始时刻的大尺度环流型有关,较连贯的信号可以追溯至东北太平洋的前倾槽。而NCEP和ECMWF的不确定性主要在于气旋位置的东北—西南向移动,而敏感性主要和飓风系统本身(即其北部低压区和中纬度槽)的锁相有关。分析结果进一步验证了集合敏感性分析对诊断模式之间的不一致性,以及模式成员之间不一致性的不确定性来源和发展过程的可靠性。集合敏感性分析方法综合了集合预报、资料同化和敏感性分析,因此对于资料同化技术改进、诊断模式误差(或者缺陷)、附加(目标)观测最优策略,以及评估观测对预报的影响等都有重要意义。同时可以更有效地利用集合预报信息,帮助预报员提高情景意识,最终减少高影响天气预报中的决策失误。     

黄、渤海冷空气海浪场的集合预报试验

利用欧洲集合天气预报系统51个预报风场驱动SWAN海浪模式,对黄、渤海2013年12月-2014年2月期间受冷空气影响的海浪场进行数值模拟试验,并利用浮标观测资料对海浪集合预报结果进行初步检验分析,结果显示:从逐时平均偏差结果可知,24h预报时效内集合平均与控制预报性能相近,48~72h预报时效内,集合平均明显优于控制预报,但均比实况偏小;集合分位值(75、90百分位值和极端值)明显优于集合平均,且预报时效越长,优势越明显,集合预报极端值与实况相当或略偏大;从逐24h平均偏差结果可知,集合分位值(75、90百分位值和极端值)比集合平均和控制预报更接近实况。总的分析表明:集合分位值(75、90百分位值和极端值)对受冷空气影响的海浪场具有较强的分辨能力,可以提高对海浪场的预报水平,且有较好的应用潜力。     

基于模拟脚本的气象自动绘图系统

气象自动绘图系统（MEPAS）是一款紧贴我国业务数据环境,以MICAPS和GRIB1/GRIB2数据为主要输入源来实现自动化绘图的业务系统。MEPAS集成了多种物理量和对流参数的计算算法,在中尺度分析方面独具特色。MEPAS主要通过编写XML配置文件来模拟脚本,以命令行的方式运行,它学习简单,使用方便,运行稳定,出图高效,可用于业务系统的建设,也可用于气象科研,具有较高的应用推广价值。MEPAS通过模拟脚本实现自动绘图的技术可以被MICPAS借鉴或吸收,以填补MICAPS脚本交互的技术空白。     

Impact of Assimilating Radiances with the WRFDA ETKF/3DVAR Hybrid System on Prediction of Two Typhoons in 2012

The impacts of AMSU-A and IASI (Infrared Atmospheric Sounding Interferometer) radiances assimila-tion on the prediction of typhoons Vicente and Saola (2012) are studied by using the ensemble transform ...     

“频率匹配法”在集合降水预报中的应用研究

基于“频率匹配法”的思路,采用两种方法进行了集合降水预报的订正研究,一种方法是利用集合成员降水频率订正简单集合平均平滑效应的“概率匹配平均”法,另一种方法是利用实况降水频率订正集合成员降水预报系统偏差的“预报偏差订正”法,通过个例和批量试验,结果表明:(1)概率匹配平均法可以矫正简单集合平均的平滑作用所造成的小量级降水分布范围增大而强降水被削弱的负作用,这种改进对强降水区更显著,并且集合系统离散度越大这种改进也越大;但该方法对预报区域内总降水量的预报没有改进作用,不能改善预报的系统性偏差.(2)虽然预报偏差订正法对降水落区预报的改进有限,但可以订正模式降水预报的系统性误差,改进雨量预报以及集合预报系统的离散度特征和概率预报技巧;直接对集合平均预报进行偏差订正的效果优于单个成员偏差订正后的简单算术平均.(3)在对每个集合成员的降水预报进行偏差订正后,概率匹配平均仍可改善其简单平均的效果,因此在实际业务中,应该综合采用上述两种方法,以获得在消除系统性偏差的同时各量级降水分布又合理的集合平均降水预报.     

基于深度学习的滑坡灾害易发性分析

滑坡灾害成因机理复杂、影响因素众多,深度学习作为当前人工智能领域的热点,能够更好地模拟滑坡灾害的形成并准确预测潜在的斜坡。为了挖掘深度学习在滑坡易发性的应用潜能,本文构建了一维、二维和三维的滑坡数据表达形式,并提出3种基于卷积神经网络模型（Convolutional Neural Networks, CNN）的滑坡易发性分析处理框架：基于CNN分类器、基于CNN与逻辑回归的融合和基于CNN集成,最后以江西省铅山县为研究对象进行验证,结果表明：所有基于CNN的易发性模型都能够获得准确且可靠的滑坡易发性分析结果。其中,基于二维数据的CNN模型在所有单分类器中预测精度最高,为78.95%。此外,二维CNN特征提取能够显著提升逻辑回归的预测精度,其准确率提升7.9%。最后,异质集成策略能够大幅度提升基于CNN分类器的滑坡预测精度,其准确率提升4.35%~8.78%。