排序方式： 共有3条查询结果，搜索用时 31 毫秒
1
1.
暖区暴雨强度大且降水集中,可造成严重气象灾害。利用四川盆地实况降水和7部天气雷达资料,分析了2012—2017年28次暖区暴雨过程的降水特征,按超过20 mm·h-1降水站数的突增,将暖区暴雨的雷暴群分为初生阶段和成熟阶段,根据不同降水类型成熟前后的雷达回波特征,将雷暴群分为3种类型,3类回波特征差异明显,雷暴的长时间生消、合并以及传播作用使暖区暴雨降水强度大、范围广。在28次暖区暴雨过程中,四川盆地西北部出现次数最多,持续时间最长,回波基本呈现东北—西南向,与四川盆地西部龙门山脉走向基本一致,地形（产生偏东风）抬升在暖区暴雨的发生发展中起关键作用。对3类雷暴群质心高度、顶高、最大回波强度等要素的统计显示,不同类型雷暴群在初生阶段和成熟阶段的概率密度曲线存在双峰和单峰等结构特征。利用雷暴群的多个参数构建暖区暴雨分类识别的特征向量,并采用随机森林机器学习方法进行识别,取得较好效果。 相似文献
2.
人工智能(Artificial Intelligence,AI)在环境要素预报、环境质量预报、气象基本要素预报以及高影响性天气预报等方面已取得研究性进展。其中,环境要素包括云、雾、雪,太阳能辐射及土壤水分、植被、湖泊等;环境质量包括空气质量、海洋环境质量等;气象基本要素包括降水、风、温度;高影响性天气包括冰雹、强风、雷电、对流暴雨、洪涝等。 相似文献
3.
本文将研究对象从地面气象要素扩展到三维气象要素;针对三维气象要素空间分辨率提升问题,融合多气象要素交互影响、多尺度作用、多气压层气象要素天气系统配置作用等机理,提出一种多尺度残差拉普拉斯金字塔网络三维气象要素深度学习降尺度模型（Multi-Scale Residual Laplacian Pyramid Network,MSRLapN）。具体地,构造一种多尺度残差模块（Multi-Scale Resolution Block,MSRB）,用于从三维空间多种气象要素中自动提取预报特征;从机器学习领域引入多尺度金字塔技术描述气象要素的多尺度交互作用;然后,通过超分辨重建循环迭代方法,基于大样本历史数据学习订正降尺度预报的误差。在华东气候区,本文针对相对湿度和风速两种气象要素,实现了7种前沿深度学习超分辨降尺度方法的三维空间气象要素降尺度,并将本文提出的方法与这7种深度学习超分辨降尺度方法与之对比,实验结果表明：MSRB模块可从数据中有效提取三维气象要素多尺度作用的特征信息,MSRLapN有效实现了三维气象要素降尺度,效果优于其他对比方法。 相似文献
1