山洪泥石流风险评估与风险管理理论与方法

针对山洪灾害防治研究工作中只关注暴雨-洪水的作用,忽视泥沙淤积导致的洪水-泥沙耦合致灾的问题,重建考虑松散固体物源储量空间异质性的影响因子体系,面向山区小流域复杂下垫面环境进行敏感性分析,利用地理信息空间分析、多重共线性检验计算影响因子贡献度指标,通过不同类型的贡献度-集成学习耦合算法对阿坝州5250条小流域山洪水沙灾害易发度进行识别,构建基于数据驱动的山区暴雨山洪水沙灾害早期识别方法。结果表明：山洪水沙灾害在空间上表现出一定的聚集性,影响因子特定区间对于灾害发生具有更高敏感性,部分影响因子对于灾害发生的敏感性规律具有相似性。阿坝州东部、中南部部分地区以及西北部少部分地区为高易发区,与固体物源累积高频区较为接近,洪水-泥沙耦合致灾概率相对较大,较低和低易发区主要分布在阿坝州西部和西南部地区,与固体物源累积高频区重叠度较小,洪水在致灾过程中起主导作用可能性相对较大。相对于山洪风险调查评估研究结果,基于数据驱动的山洪水沙灾害易发性早期识别结果的高易发区灾害密度更大,高风险覆盖度提高23.2—45.4个百分点。

     

国家级水文气象预报业务技术进展与挑战北大核心CSCD

近年来,国家级水文气象预报业务已经取得了明显进展,但与国外先进水平相比还有一定的差距。总结了近十年来国内外水文气象预报业务现状和技术进展,目前国家级的技术支撑状况和所面临的挑战,并提出未来发展计划。目前,水文气象预报技术主要是以基于统计学的致灾阈值模型和分布式水文模型等为主,结合大数据分析与人工智能的气象—水文—地质耦合预报模式将在水文气象预报中发挥重要作用。流域天—空—地基监测、水文气象灾害机理研究和多尺度分析是水文气象预报的重要基础;基于无缝隙精细化智能网格降水的水文气象预报技术及水文集合预报模式是水文气象预报的发展方向。     

北京“7·16”暴雨诱发地质灾害成因分析

从2018年7月16日北京暴雨过程雨情和地质灾害灾情出发,介绍了此次过程的地质灾害气象预警及检验;并基于北京区域地质灾害易发度信息,结合多源融合定量降水估测(QPE)驱动CREST水文模型模拟径流量与土壤湿度特征、过程雨强特征,分析了北京本次地质灾害气象成因。结果表明,北京北部和西部处于地质灾害中、高易发区,区(县)小时累计面雨量达到50 mm以上易发生灾害,降水持续24 h后是地质灾害的高发时段,灾害常发生于雨强较大峰值后的15 h内;基于雨强-降水持续时间推求的地质灾害致灾临界雨量阈值对北京地区地质灾害气象预警有一定的借鉴意义;基于水文模型的北京区域径流量、坡面径流深、土壤湿度等水文过程要素模拟对预警也有较好的指导意义。     

2019年6月大气环流和天气分析

2019年6月大气环流主要特征是：北半球高纬度地区极涡呈单极分布且偏强,亚洲中高纬为“两槽一脊”的环流形势,西太平洋副热带高压以偏南为主,强度略偏强。全国平均气温为20.6℃,较常年同期（20.0℃）偏高0.6℃,全国平均降水量为99.8 mm,基本与常年同期（99.3 mm）持平。月内,我国中东部地区出现4次大范围强降水天气过程,南方遭受严重暴雨洪涝灾害;同时,华北、黄淮和云南等地少雨高温,气象干旱持续;华北、黄淮出现阶段性高温;多省(区)遭受风雹袭击,部分地区受灾较重。     

国家级水文气象预报业务技术进展与挑战

近年来,国家级水文气象预报业务已经取得了明显进展,但与国外先进水平相比还有一定的差距.总结了近十年来国内外水文气象预报业务现状和技术进展,目前国家级的技术支撑状况和所面临的挑战,并提出未来发展计划.目前,水文气象预报技术主要是以基于统计学的致灾阈值模型和分布式水文模型等为主,结合大数据分析与人工智能的气象水文地质耦合预...     

U-Net模型在京津冀临近降水预报中的应用和检验评估

利用2018—2019年期间10 min定量降水估计(Quantitative Precipitation Estimation,QPE)实况观测,构建基于U-Net的分钟级临近降水预报模型,实现了京津冀地区未来0~2 h逐10 min降水量滚动预报。以TS、BIAS、POD、SR、FAR作为评价指标,通过检验2020和2021年6—9月长序列以及分析2020年8月12日和2021年7月1日两次强降水个例,表明U-Net模型预报接近实况,局部伴随着一定程度的空报,相较光流法、持续性预报及CMA-MESO模式预报效果有明显提升。具体表现为:当分钟级降水预报不超过10 mm/(10 min)时,U-Net模型明显优于光流法和持续性预报;当小时预报不超过25 mm·h^-1,U-Net模型优于CMA-MESO模式和光流法。然而,当降水强度超过10 mm/(10 min)或25 mm·h^-1时,U-Net模型存在预报偏弱的情况,可能与强降水样本较少有关。     

机器学习分类算法在降雨型滑坡预报中的应用

针对气象灾害预警业务中客观描述降雨型滑坡发生不确定性的实际需求,利用2014—2020年全国滑坡数据以及多源融合降水实况分析数据,通过样本构建、模型训练、参数优化以及预报输出等关键步骤构建基于机器学习分类算法的区域降雨诱发滑坡概率预报模型,探究不同类型机器学习分类算法识别诱发滑坡的降雨过程的可行性。结果表明：在算法评估中,线性判别分析算法准确率最高且泛化能力最好,其次为逻辑回归算法,再次为最邻近算法。在预报试验中,线性判别分析、逻辑回归以及最邻近等算法能够提取并学习降雨诱发滑坡的条件特征,对诱发滑坡的降雨过程有一定识别能力,最邻近算法和逻辑回归算法的概率预报高值区范围相对较大,易造成虚警结果,线性判别分析算法对局地降雨信息的提炼较好,但线性判别分析算法在非降雨中心区域输出低值概率预报的面积偏大。     

2023年8月大气环流和天气分析

2023年8月大气环流的主要特征是:北半球极涡强度略偏强,500 hPa上亚洲中高纬地区环流形势为“两槽一脊”,影响我国东北、华北地区的高空槽偏强,西太平洋副热带高压西段脊线的平均位置较历史同期偏南。8月,全国平均气温为21.9℃,较常年同期(21.1℃)偏高0.8℃,全国平均降水量为110.9 mm,较常年同期(107.1 mm)偏多3.5%。月内,高温日数较常年同期偏多,区域高温过程持续影响我国,西北、东北等地气象干旱持续发展;我国出现6次暴雨过程。8月共有6个台风在南海和西北太平洋活动,生成个数较常年偏多,登陆个数较常年偏少。强对流天气多发,局地受灾严重,江苏盐城大丰区出现龙卷风。