基于融合TC-WREM模型的热带气旋大风半径估算研究
周必高1
鲁小琴2
吴贤笃3
仇欣4
谢海华1
朱忠勇1
郑建琴1
1.温州市气象局,浙江 温州 325027;温州市台风监测预报技术重点实验室,浙江 温州 3250272.中国气象局上海台风研究所,上海 2000303.温州市气象局,浙江 温州 3250274.南京大学大气科学学院,江苏 南京 210023
摘要：利用2001-2020年美国联合台风警报中心(JTWC)热带气旋(Tropical Cyclone,TC)最佳资料数据集和静止气象卫星云图,建立了基于多层感知器神经网络模型(Multi-Layer Perceptron,MLP)和卷积神经网络(Convolutional Neural Network,CNN)融合的TC大风半径估算模型(TC Wind Radii Estimation Model,TC-WREM).该模型利用MLP和CNN分别对TC属性数据和卫星云图中与TC大风半径相关联的核心特征进行预提取,最终通过融合TC-WREM模型开展大风半径估算.融合的TC-WREM模型能实现对TC属性数据和卫星云图底层特征的深度客观挖掘,较单独的MLP和CNN模型的估算误差降低7%～24%.以TC近地面8级大风半径(R8)估算为例,针对2021年台风"烟花"的独立样本估算检验显示分象限R8估算平均绝对误差(Mean Absolute Error,MAE)分别为39、33、40和51 km,均值为41 km,误差中位值约40 km,优于业务估算精度(为大风半径的25%～40%)及西北太平洋和大西洋同类研究估算结果.由于融合TC-WREM模型的输入为易获取的TC属性数据和静止气象卫星云图,因此该模型易于在业务中进行推广,从而可改善国内TC大风半径估算模型缺乏的现状.
关键词：热带气旋大风半径估算卷积神经网络模型多层感知器神经网络模型融合TC-WREM模型西北太平洋
分类号：P435(动力气象学)
资助基金：温州市科技局基础公益科研项目(S2023012)南京大学中尺度灾害性天气教育部重点实验室基金项目(LMSWE-2201)上海市科技创新行动计划自然科学基金项目(21ZR1477300)
论文发表日期：2024-10-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：9( 736-744 )
英文信息