基于SHAP值机器学习的江西暖季暴雨预报因子重要性分析

机器学习模型（Machine Learning,ML）的不可解释性给其在气象业务中的应用带来了挑战。模型解释和可视化是解决这一问题的有效途径。文中将SHAP值应用于天气预报ML模型解释,研究了江西省暖季暴雨模型的预报因子对预报结果的影响。分别选取2016—2020年、2021—2022年4—9月ECWMF（European Centre for Medium-Range Weather Forecasts）高分辨率数值模式物理量及国家站降水观测数据进行XGBoost 建模与模型解释。结果表明,全局重要性排名前4位依次是总降水（重要性42.70%）、850 hPa比湿（重要性11.17%）、925 hPa相对湿度（重要性10.44%）、500 hPa相对湿度（重要性 9.16%）。个例分析表明,命中个例中高重要性物理因子在暴雨区的 SHAP 值较大,漏报（空报）个例在漏报（空报）区域高重要性物理因子的SHAP值偏小（偏大）。SHAP值从全局和局部可定量给出ML模型有物理意义的解释,解释结果与天气学原理和业务经验较一致,有利于ML在气象业务中的深入应用。     

基于深度学习的数值模式降水产品降尺度方法

基于卷积计算技术,对常规卷积方法进行了改进,实现利用自定义卷积核快速识别雷达回波图像特征,并对非气象回波进行剔除操作。通过构造孤立点状、线状等卷积核,对南昌市雷达基本反射率因子回波图像和江西省雷达组合反射率因子回波拼图进行业务应用后表明：基于改进卷积方法和自定义孤立点状卷积核、线状等宽卷积核、射线状卷积核和弱回波卷积核,可以实现对雷达单站回波、组合反射率拼图中的孤立点回波、线状回波、地物回波等非气象类回波和弱回波区域的快速剔除,质量控制效果较好。其中孤立点卷积核能剔除长宽均不超过3个像素的点状回波,等宽线状卷积核能剔除水平、垂直和倾斜等横截面不超过3个像素的线性回波,射线状卷积核能剔除横截面不超过11个像素的射线状回波,弱回波卷积核能剔除成片的地物回波和弱回波等。

     

两广地区热带气旋极端降水特征及成因初探

基于1960—2014年中国广东、广西地区（简称两广地区）184个台站的逐日降水资料、热带气旋（TC）最佳路径集以及ERA-Interim、ERA-40再分析资料,利用TC降水天气图客观识别法、TC路径相似面积指数、动态合成法,从TC过程最大日降水的角度,分析了两广地区TC极端降水的时空特征, 并针对主要特征进行成因诊断。结果表明:50年来,两广地区TC过程的最大日降水≥50、100 mm的频数分别呈-0.66和-0.44次/(10年)的下降趋势,而最大日降水≥250 mm频数则表现出0.16次/(10年)的上升趋势;TC最大日降水频数和强度的大值区主要分布在沿海,并由沿海向内陆递减;大值区相对集中于粤东沿海（东部分区）、珠江三角洲西侧沿海（中部分区）和雷州半岛至广西沿海（西部分区）三个分区,且西部分区在TC最大日降水的平均强度及各级别频次上均为三分区之最大。对比分析发现,造成西部分区极端降水的TC路径规律性较强,主要为TC西行路径,且其登陆点集中在西部分区;对TC极端降水成因分析表明,TC移动速度慢和南海夏季风强度增强均有利于极端降水产生。      

南海夏季风对台风“启德”极端降水影响的数值模拟

本文为研究台风"启德"极端降水的成因,模拟了南海夏季风减弱后台风"启德"的路径、强度、雨带位置、降水强度等。结果表明,夏季风削弱后,南海地区的西南季风受到抑制,台风强度减弱,台风范围内降水强度总体减弱,台风雨带偏南,因此南海夏季风强度减弱不利于极端降水的产生。降水模拟过程中发现,降水强度的减弱在整个模拟试验时间周期内,表现为非峰值强度减弱明显,而峰值强度不明显减弱。进一步分析了台风降水的逐小时演变特征和台风路径特征。结果表明,控制试验与敏感性试验模拟台风登陆在时间上存在时间差,与台风降水的逐小时变化峰值出现的时间差基本对应。这说明可能台风登陆过程的其他复杂因素导致夏季风减弱后台风登陆降水不表现出明显减弱。而非登陆过程,减弱夏季风对台风降水有减幅作用。