江苏省级雷暴大风智能预警信号生成技术及其在2023年汛期的应用评估
冯宇轩1
庄潇然1
康志明1
曾康2
吴海英1
李特1
1.江苏省气象台,江苏 南京 2100412.中国气象局乌鲁木齐沙漠气象研究所,新疆 乌鲁木齐 830002
摘要：为了实现江苏地区雷暴大风智能预警信号的自动生成以提升雷暴大风临近预报预警能力,在建立分钟级、公里级网格风场数据集的基础上,区分雷暴大风、系统性大风和混合性大风过程,并结合生成对抗网络(Generative Adversarial Network,GAN,针对雷暴大风建模)和具有物理约束架构的时空卷积神经网络(Physical Dynamics Network,PhyDNet,针对系统性大风和混合性大风建模),发展了基于深度学习的江苏地区0～2 h雷暴大风临近预报模型(Blending),实现面向区县的客观、分级预警信号自动生成技术,并对比探究了Blending和PhyDNet_ALL(不区分大风类型,直接采用PhyDNet建模)两种深度学习方法分别生成的客观预警信号与主观预警信号在2023年汛期的表现.结果表明:(1)相较于主观预警信号,由深度学习方法生成的客观预警信号能有效提升预警信号提前量;(2)深度学习方法可以提前预报出强对流大风天气及其演变过程;(3)由于Blending针对雷暴大风单独建模,确保对流系统强度以及中小尺度特征的维持,因此Blending可以更好地描述极端雷暴大风的演变特征,在橙色和红色预警信号提前量上显著高于PhyDNet_ALL.
关键词：雷暴大风临近预报深度学习预警信号
分类号：P435(动力气象学)
资助基金：全国暴雨研究开放基金项目(BYKJ2024Q23)中国气象局创新发展专项(CXFZ2023J008)江苏省气象局重点项目(KZ202201)中国气象局能力提升联合研究专项(22NLTSZ001)中国气象局能力提升联合研究专项(24NLTSQ015)中国气象局揭榜挂帅项目(CMAJBGS202212)中国气象局揭榜挂帅项目(CMAJBGS202211)中国气象局重点创新团队(CMA2022ZD04)国家自然科学基金(42105006)国家自然科学基金(42105008)江苏省气象局青年基金项目(KQ202305)江苏省气象局青年基金项目(KQ202301)北极阁基金(BJG202304)中国气象局复盘总结专项(FPZJ2023-046)
论文发表日期：2024-12-28
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：12( 954-965 )
英文信息