基于随机森林的暴雨灾害人口损失预估模型及应用

基于2009—2017年的广西县级暴雨灾情记录,综合考虑致灾因子、孕灾环境和承灾体因素选取7个解释变量,运用随机森林算法,构建暴雨灾害人口损失预估模型;并以精细化网格降水实况分析和预报产品驱动模型,预估是否发生人口损失。研究结果表明:模型训练样本及测试样本的分类准确率均在90%以上,致灾因子(降水情况)是最主要的解释变量,重要性从大到小依次是前10 d降水距平百分率、过程最大日雨量、最大小时雨量和短时强降水频次。应用智能网格降水产品对广西地区近两年的暴雨灾害过程进行回报试验,准确率超过70%。     

EOS／MODIS卫星遥感监测四川省森林火灾的阈值设置研究

本文以2004年4~6月四川省农业气象中心EOS/MO-DIS资料为基础,参照四川省护林防火办公室的地面森林火灾观测资料,在充分研究EOS/MODIS传感器性能的基础上,通过多次试验研究,根据四川林区的气候特点,设置合理的川西山区森林火灾遥感监测参数,提高了森林火灾遥感监测的准确性。     

基于机器学习的降雨量雷达回波数据建模与预测

以浙江省2016年1-10月的雷达回波强度数据为基础,分别应用随机森林模型、BP神经网络模型、卷积神经网络模型来预测降雨量并进行对比.建模分析结果表明,随机森林模型预测效果精确度较低,容易低估较大的降雨强度,而BP神经网络和卷积神经网络预测的效果都比随机森林好,特别是卷积神经网络,其预测值与真实值更加接近,且对较大的降雨强度拟合较好.     

基于纹理特征和机器学习的卫星云图分类实验

准确识别云对提升天气预报和气候预测准确性有着重要意义,传统的阈值法和聚类法很难找出统一通用的阈值标准和方法,随着机器学习在云分类领域的应用和发展,在分类速度和分类精度上都有了明显提升。本实验对风云二号G星的红外云图进行预处理并构建卫星云图样本库,通过提取云图纹理特征再结合支持向量机（SVM）、随机森林（RF）和XGBoost分类器实现了对“晴空”、“层积云或高积云”、“积雨云”、“密层云”和“卷层云”的分类,实验结果表明：①三种分类器对该实验云分类的平均准确率分别为RF（62.5%）＞XGBoost（61.7%）＞SVM（60.0%）;②三种分类器对“层积云或高积云”的分类都最好且稳定,平均分类精度均达到了90%以上,最高为91.5%;③SVM对密层云（67.9%）、RF对卷层云（68.9%）、XGboost对晴空（68.3%）的分类效果次之,平均分类精度均达67%以上。     

气象卫星遥感处理系统（V3.2）在林火监测中的应用

介绍了气象卫星遥感资料处理系统在火灾监测测中的优点，阐述了整人工作流程。     

基于多普勒天气雷达资料的冰雹预报模型及应用

为了提高雅安市冰雹预报能力,并为人工消雹工作提供更好的指导作用,文章利用了雅安市的新一代多普勒天气雷达资料,采用随机森林方法,对32项特征指标进行判断,建立了冰雹预报模型。使用该模型,可判断出可能出现冰雹的风暴,及其未来30 min的移动轨迹,以此确定未来冰雹的影响区域,给风暴最近的人工影响天气高炮作业点提供方位角、仰角数据,指导作业人员实施消雹作业。研究成果能够为雅安市冰雹灾害的防御提供科学指导,在实际业务应用中减轻农业灾害损失,提高全市冰雹灾害的防御能力。     

卫星遥感资料在森林火灾监测中的应用

1引言 大兴安岭林区是我国重要的林业基地，近几年，由于气候干旱和火灾造成的损失越来越严重，气象卫星监测林火在森林防火工作中发挥了重要的作用，但卫星资料在森林保护工作中应用还存在一定的局限性，通过介绍卫星遥感技术应用同时，旨在拓宽思路，为大兴安岭森林生态系统的建设提供更完善的卫星遥感应用服务。     

面对灾害压力美国政府层面上机构调整呼声强烈

面对近年来包括飓风、海啸、地震、森林火灾和地质灾害在内的各种自然灾害的侵扰,美国管理和学术界的有识之士,从国家应对灾害的经验和教训中,开始思考在联邦政府层面上如何通过调整从面提高应对自然灾害的能力。     

简介MapX控件在气象应用软件中的应用

当今的气象服务不再单纯地局限于提供天气预报，业务已拓展到很多方面。根据多年的统计以及实践检验，许多灾害与气象因子有着非常密切的关系，比如森林火灾、地质灾害等。这些灾害有非常明显的地域特点和气候特点。因为这些灾害和气象因子很大的关系．或者说气象因子起着至关重要的作用，所以现代气象人开始制作森林火险、地质灾害等方面的预报。这些预报除了需要足够的气象资料外，     

栾川县森林火险天气等级预报方法

利用1990~1999年栾川县森林火灾资料和气象资料,分析了森林火险与气象条件的关系,结果表明:森林火险与温度、相对湿度及风向、风速密切相关。在此基础上,建立了森林火险天气等级预报方程。