-
题名“4.17”森林灭火飞机增雨过程分析
被引量：4
- 1
-
-
作者
孙玉稳
孙云
吴志会
李宝东
刘浩
姜岩
黄梦宇
-
机构
河北省人工影响天气办公室/河北省气象与生态环境重点实验室
河北省石家庄市气象局
河北省秦皇岛市气象局
北京市人工影响天气办公室
-
出处
《中国农学通报》
CSCD
2012年第34期92-101,共10页
-
基金
河北省科技计划项目"山区果品种植区防雹减灾技术研究与示范"(12237126D-1)
河北省科技计划项目"河北省旱季人工增雨(雪)防灾减灾关键技术研究"(11277107D)
+1 种基金
河北省气象局科研开发项目"河北省淡积云的飞机观测研究"(12ky23)
公益性行业(气象)科研专项"层状云人工增雨作业条件的识别和效益分析技术"(GYHY201206025)
-
文摘
为了研究飞机人工增雨工作在森林灭火等应急气象服务中的特点和规律,利用2011年4月17日在秦皇岛抚宁地区森林大火上空进行的一次人工增雨作业所取得的云物理资料,结合适时天气、卫星、雷达等资料,分析了降水过程的天气背景条件、催化前后云中微物理量的变化。结果表明,催化后云体明显发展,云粒子含水量明显增大,云粒子浓度约增长30%～50%,粒子谱变宽,云中冰晶浓度和降水粒子浓度增加。火场及附近地区普遍降雨0.3～5.0mm,对灭火起到了重要作用。影响地面降雨量的主要因素:(1)西风槽系统弱,且偏北,使火区云带狭窄;(2)前期相对湿度低,云层中含水量低,云粒子最大含水量1.318g/m3;(3)高层云下部的层积云较弱,两云之间存在夹层,影响降水粒子的增长。
-
关键词
森林灭火
人工增雨效果
飞机增雨
-
Keywords
forest fire fighting
artificial rainfall effect
aircraft precipitation enhancement
-
分类号
P481
[天文地球—大气科学及气象学]
-
-
题名机器学习在人工增雨效果统计检验中的应用
被引量：2
- 2
-
-
作者
李丹
林文
刘群
冯宏芳
胡淑萍
汪智海
-
机构
福建省气象科学研究所
福建省灾害天气重点实验室
中国气象局海峡灾害天气重点开放实验室
闽南师范大学数学与统计学院
福建省宁德市古田县气象局
-
出处
《应用气象学报》
CSCD
北大核心
2024年第1期118-128,共11页
-
基金
国家重点研发计划(2019YFC1510303)
中国气象局人工影响天气中心效果评估方法研发与应用创新团队(WMC2023IT03)
+1 种基金
国家自然科学基金面上项目(42075088)
中央引导性地方科技发展专项(2021L3019)。
-
文摘
利用福建省古田人工增雨试验基地2014年1月—2023年1月小时自然降水数据,结合线性拟合、多项式回归和样条回归等多种数学统计方法,开展决策树、支持向量机(SVM)和卷积神经网络(CNN)3种机器学习方法在估测目标区自然降水中的应用研究。目标区和对比区自然雨量关系模型对比结果表明:以区域平均面雨量为统计变量时,CNN和四项式回归效果相对较好,其中CNN的确定系数为0.516,均方根误差为1.097 mm;对平均面雨量进行六次方根变换后,各模型的精准度大幅提升,CNN表现最优,确定系数为0.658,其次为SVM;为克服目标区和对比区雨量时间序列效应及空间分布不均等问题,以面雨量空间格点数据作为研究对象,采用CNN 3种优化器(自适应矩估计、均方根传递和梯度随机下降)算法进行对比,发现基于自适应矩估计优化器建立目标区和对比区雨量关系模型最优,其降水估测值与实测值更接近,均方根误差最小,为0.61 mm。因此,利用CNN方法能够进一步优化目标区和对比区雨量关系模型,可为定量评估人工增雨效果提供参考。
-
关键词
人工增雨效果评估
区域历史回归
机器学习
统计检验
-
Keywords
artificial rainfall effect evaluation
regional historical regression
machine learning
statistical test
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
P481
[自动化与计算机技术—控制科学与工程]
-
