期刊文献+
共找到10篇文章
< 1 >
每页显示 20 50 100
青藏高原东部暴雨云团局地强降水响应特征 被引量:6
1
作者 朱平 李生辰 +1 位作者 王振会 肖建设 《遥感学报》 EI CSCD 北大核心 2014年第2期405-431,共27页
为研究青藏高原(简称"高原")东部暴雨云团的局地强降水响应特征,使用FY-2卫星红外通道数据,选择降水开始前4小时直到降水结束后2小时的时段,对高原东部19次典型局地暴雨过程分两种方式进行云团分析,第一种方式为针对测站上空7... 为研究青藏高原(简称"高原")东部暴雨云团的局地强降水响应特征,使用FY-2卫星红外通道数据,选择降水开始前4小时直到降水结束后2小时的时段,对高原东部19次典型局地暴雨过程分两种方式进行云团分析,第一种方式为针对测站上空7×7像元范围的云团进行云顶温度变化等相关分析,第二种方式为对关键四省范围内的云团进行识别和追踪,并计算对流云团参数。对暴雨云团的雷达回波特征也进行了分析。结果表明:(1)7×7像元范围红外各通道的云顶温度变化趋势一致,降水阶段云顶温度先降后升,云顶温度梯度先升后降。云顶温度梯度极大值Gmax的峰值和半小时内Gmax的最大上升变化值ΔGmax均出现在强降水前(0—11 h),Gmax峰值次数为1—2次,云顶温度极小值Tmin的谷值多出现在强降水之前,Tmin曲线斜率大值阶段对应Gmax的大值阶段,ΔGmax,Gmax和Tmin的极值分别可达到22.3℃,48.3℃和-90.3℃。(2)用7×7范围云顶温度及温度梯度建立的降水量级预报方程能较好地模拟小时降水量随时间的变化趋势且有一定的预报提前时间,预报误差在1个降水量级内。在考虑了Gmax峰值对强降水的贡献后R2由0.23提高到0.54,模拟的降水量峰值与真值峰值明显接近。(3)对流云团的识别追踪方法更简单有效,对形变较小的云团(相关系数≥0.5)的准确率为100%,对发生了合并或分裂等严重形变的云团(一般相关系数<0.5)的识别结果正确而追踪结果无效;(4)高原东部暴雨云团均为中-β—中-α尺度,水汽柱深厚但强度比低海拔地区更弱,测站暴雨开始之前多数有对流云团覆盖,若对流云团空间参数位置靠近测站,当空间距离至少小于或等于15个像距时降水或强降水将在几小时内产生。(5)暴雨云团在雷达回波图上表现为强降水超级单体风暴特征,且暴雨测站7×7范围Gmax峰值时刻对应有回波顶高度(18 dBz)的梯度极大值,红 展开更多
关键词 红外通道 局地暴雨云团 识别和跟踪 短时降水预报
原文传递
基于随机森林模型的小时强降水订正分析
2
作者 王彬雁 王佳津 +3 位作者 曹萍萍 杨康权 陈朝平 肖递祥 《高原山地气象研究》 2023年第3期91-98,共8页
基于2020年7—8月西南区域高分辨率模式输出的物理量因子,以及四川省区域自动气象站逐小时降水资料,在分区基础上,采用随机森林模型进行小时降水订正,检验该方法在本地的可用性。结果表明:(1)建模前,对全省进行分区有利于改进大量级小... 基于2020年7—8月西南区域高分辨率模式输出的物理量因子,以及四川省区域自动气象站逐小时降水资料,在分区基础上,采用随机森林模型进行小时降水订正,检验该方法在本地的可用性。结果表明:(1)建模前,对全省进行分区有利于改进大量级小时强降水预报。(2)随机森林模型得到的小时强降水分布整体趋势与原模式一致,对模式未预报出的小时强降水也有一定反应,且实况未出现小时强降水的区域订正后量级有所减小,但仍存在大量级降水分布不均以及空报较多的情况。 展开更多
关键词 随机森林 短时降水预报 TS检验 西南区域模式
下载PDF
Micaps系统中T-lnP图工具在短时降水预报中的应用
3
作者 屈梅 《新疆气象》 2003年第3期39-40,共2页
关键词 MICAPS系统 T-lnP图工具 短时降水预报 预报平台 指标分析
下载PDF
基于短时临近降水集合预报的中小河流洪水预报研究 被引量:12
4
作者 包红军 曹勇 +1 位作者 曹爽 王蒙 《河海大学学报(自然科学版)》 CAS CSCD 北大核心 2021年第3期197-203,共7页
为了延长中小河流洪水预报预见期,建立了基于短时临近精细化网格降水集合预报的中小河流洪水预报模型。模型采用百分位映射订正技术,发展数值模式降水预报场与实况场映射关系,结合Bayesian模型,构建基于GRAPES-3KM模式和Time-Lag-Ensem... 为了延长中小河流洪水预报预见期,建立了基于短时临近精细化网格降水集合预报的中小河流洪水预报模型。模型采用百分位映射订正技术,发展数值模式降水预报场与实况场映射关系,结合Bayesian模型,构建基于GRAPES-3KM模式和Time-Lag-Ensemble融合技术的短时临近降水集合预报(最优集成、最大(95%分位数)、最小(5%分位数))格点场,作为GMKHM(Grid-and-Mixed-runoff-generation-and-Kinematic-wave-based Hydrological Model)的降水驱动,进行中小河流洪水逐小时实时滚动预报。选择新安江屯溪流域作为试验流域,对2020年汛期流域大洪水进行实时预报。检验结果表明,基于短时临近最优降水预报的中小河流洪水预报模型提前了7h预报出屯溪断面洪峰,洪峰误差为5.6%,峰现时差为-1h,比不考虑预见期降水的中小河流洪水预报提前了4h;基于短时临近最大、最小降水预报的中小河流洪水预报模型提前了13h预报出洪峰区间,并且自7月7日9时起滚动预报最大与最小预报跨度呈逐渐减少趋势。在中小河流洪水预报中引入短时临近集合预报降水,对提升中小河流洪水风险防控能力有重要意义。 展开更多
关键词 中小河流洪水预报 短时临近降水预报 GRAPES-3KM模式 Time-Lag-Ensemble 分布式水文模型 屯溪流域
下载PDF
基于SMOTE算法和逻辑回归模型算法的江苏短时强降水潜势预报 被引量:8
5
作者 王坤 蒋宁 +4 位作者 李敏 李静 张树民 陈铁 彭小燕 《科学技术与工程》 北大核心 2020年第28期11447-11454,共8页
短时强降水是导致城市内涝和山洪、滑坡等灾害的重要原因,其突发性强,局地性明显,预报难度大,是强对流天气业务预报的重点和难点之一。本研究利用2011—2018年江苏省国家气象观测的逐小时降水资料对江苏省短时强降水时空分布特征进行分... 短时强降水是导致城市内涝和山洪、滑坡等灾害的重要原因,其突发性强,局地性明显,预报难度大,是强对流天气业务预报的重点和难点之一。本研究利用2011—2018年江苏省国家气象观测的逐小时降水资料对江苏省短时强降水时空分布特征进行分析,江苏短时强降水频次分布为典型的南多北少,主要降水出现在早晨04:00—10:00和午后15:00—19:00,前半夜出现降水的概率则较低。基于ERA5再分析资料,选取了对于短时强降水有较强判断能力的气象要素,合成少数类过取样(SMOTE)算法和逻辑回归(LR)方法,构建短时强降水的预报模型,利用2019年的,欧洲中期天气预报中心(ECMWF)预报产品基于该模型进行短时强降水的确定性预报和概率预报,并使用同期实况数据进行系统性检验和天气过程检验。结果表明该模型总体性能较好,对短时强降水出现与否有较好的判别能力和预报指示意义。未来24 h以内的6 h时效预报,TS(threat score)评分在0.23以上,未来60 h以内的6 h时效预报TS评分均在0.2以上,但也存在着一定程度的空报和漏报。基于SMOTE+LR短时强降水预报模型对短时强降水的潜势预报具有较好的指示作用,对气象防灾减灾具有重要意义。 展开更多
关键词 SMOTE算法 逻辑回归模型算法 机器学习 短时降水预报
下载PDF
基于雷达资料的定量降水预报外推算法试验 被引量:6
6
作者 苏华英 曾莉萍 +2 位作者 罗乃兴 王国松 周皞 《沙漠与绿洲气象》 2020年第5期27-35,共9页
基于灾害天气短时临近系统(SWAN)的定量降水预报(QPF)产品进行0~2 h QPF外推试验研究。利用贵州省地面自动站数据、SWAN输出的1 h-QPF产品、SWAN 1 h定量降水估测(QPE)产品进行融合订正外推。选取2018年3次典型暴雨个例进行试验,采用融... 基于灾害天气短时临近系统(SWAN)的定量降水预报(QPF)产品进行0~2 h QPF外推试验研究。利用贵州省地面自动站数据、SWAN输出的1 h-QPF产品、SWAN 1 h定量降水估测(QPE)产品进行融合订正外推。选取2018年3次典型暴雨个例进行试验,采用融合订正技术,利用相似离度算法对降水强度位相进行调整,Weibull分布算法对降水极值分布进行订正,改进后的交叉相关法(COTREC)进行降水外推预报。通过主客观检验对比,初步说明基于Weibull分布算法的降水极值订正对降水极值分布有很好的模拟效果。融合订正外推的贵州省短时临近定量降水预报产品(GZ_NPF)在>5 mm以上量级降水的TS检验中评分更高。GZ_NPF的空报率明显降低,但空报率降低的代价是漏报率相对提高。GZ_NPF总的相对误差减小,格点总降水量与实况总降水量更为接近。试验说明新的融合订正外推算法提高了0~2 h短时临近降水的预报能力。 展开更多
关键词 短时临近降水预报 QPF融合外推技术 相似离度算法 WEIBULL分布
下载PDF
基于多要素的短临降水预报及可解释性分析
7
作者 陈龙 彭静 +2 位作者 胡雪飞 黄占鳌 李孝杰 《计算机应用研究》 CSCD 北大核心 2024年第9期2773-2780,共8页
当前的短临降水预报方法大多是基于雷达回波外推,没有充分考虑其他气象要素对降水生消演变的密切影响,从而限制了其预报的准确性。为解决此问题,基于风云四号B星数据,制作了包含四种背景气象要素、以定量降水估计为预报对象的短时临近... 当前的短临降水预报方法大多是基于雷达回波外推,没有充分考虑其他气象要素对降水生消演变的密切影响,从而限制了其预报的准确性。为解决此问题,基于风云四号B星数据,制作了包含四种背景气象要素、以定量降水估计为预报对象的短时临近降水预报数据集,提出了短临降水预报模型——MFPNM。以TransUNet为骨干,设计了并行双编码器分别提取预报对象和背景气象数据的高维时空特征;构造了内容编码模块将背景数据的空间特征作为预报对象高维特征向量的可学习位置编码;以已有的Transformer模块构建序列数据高维特征间的全局关系,以实现更准确的序列预测。MFPNM在风云-4B数据集和开源数据集上达到了最优水平,采用的指标包括临界成功指数、虚警率、均方根误差和结构相似性等。同时通过SHAP(shapley additive explanations)技术对模型进行了可解释性分析。实验结果及可解释性分析表明,该模型具有更好的预报准确度及可靠性。 展开更多
关键词 短时临近降水预报 气象卫星 数据融合
下载PDF
集成学习和动态融合算法在福建省短时强降水预报中的应用
8
作者 陈锦鹏 黄奕丹 +3 位作者 朱婧 林辉 程晶晶 杨德南 《气象》 CSCD 北大核心 2024年第1期48-58,共11页
为了提高短时强降水预报准确性,在2019—2020年4—9月福建省逐时降水实况观测资料与中国气象局广东快速更新同化数值预报系统(CMA-GD)模式预报产品的基础上,应用LightGBM集成学习算法框架,建立以30 mm·h^(-1)为阈值的逐时降水预报... 为了提高短时强降水预报准确性,在2019—2020年4—9月福建省逐时降水实况观测资料与中国气象局广东快速更新同化数值预报系统(CMA-GD)模式预报产品的基础上,应用LightGBM集成学习算法框架,建立以30 mm·h^(-1)为阈值的逐时降水预报模型。通过特征处理、自助聚合及超参数搜索等技术对模型进行优化,结合AUC、AUPR与传统分类指标,设计了包括业务模拟测试在内的多项试验,通过对比各建模方案验证了模型对于较长时效的短时强降水预报的适用性。结果表明:模式预报本身的命中率和空报率均较高,各建模方案具有不同程度的改善作用。自助聚合可以增强模型预测稳定性,轻微不平衡子训练集能降低模型预测空报率而取得更高的综合评分,在验证集中最佳TS评分可达17.5%;对分类信息增益贡献最大的特征变量为K指数,其次为500 hPa露点温度和时间参数特征;试验指标从优到劣依次为:随机交叉验证、小时划分的随机交叉验证、业务模拟测试,可见模型有效性主要来自相同或相邻时刻的样本信息;设计基于逻辑回归的异质模型动态融合方案以改善静态同质模型表现,各项指标均有小幅提升,在命中率接近50%时削减空报样本超过52万个。 展开更多
关键词 LightGBM 短时降水预报 样本不平衡 动态融合
下载PDF
基于多模式预报优选融合技术的短时定量降水预报 被引量:2
9
作者 曹勇 张恒德 +3 位作者 郭云谦 包红军 徐成鹏 赵威 《河海大学学报(自然科学版)》 CAS CSCD 北大核心 2022年第5期10-15,共6页
为提升短时定量降水预报准确率,使其更好地支撑城市暴雨洪涝及中小河流洪水预报,基于多源数值天气模式预报值,构建了基于预报成员优选融合的短时(0~12 h)逐小时定量降水预报模型,模型由单模式百分位映射订正技术模块、模式订正预报成员... 为提升短时定量降水预报准确率,使其更好地支撑城市暴雨洪涝及中小河流洪水预报,基于多源数值天气模式预报值,构建了基于预报成员优选融合的短时(0~12 h)逐小时定量降水预报模型,模型由单模式百分位映射订正技术模块、模式订正预报成员实时优选技术模块、预报成员实时融合技术模块和融合预报的百分位映射订正技术模块4个技术模块组成。以河南省为例对模型进行检验,结果表明:模型预报降水分布和强度随着预报时效临近更接近实况降水;模型提前6 h预报出郑州“7·20”暴雨最强时段降水的落区和强度;在2021年1—9月降水预报对比检验中,模型预报准确率高于任意单模式订正预报和原始模式预报,且准确率随着预报时效的临近逐步提高。 展开更多
关键词 短时定量降水预报 多数值模式预报 成员优选 最优融合 河南省
下载PDF
一次成功气象预警服务引发的几点思考 被引量:1
10
作者 黄明凤 《农业与技术》 2012年第4期154-154,159,共2页
本文通过彭泽县2011年7月18日成功的气象预警服务案例,对该县局地点短时强降水天气预报进行了难点、差异性的分析及预报时应结合的方面。
关键词 气象预警 短时降水预报 局地暴雨
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部