留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于深度学习的融合降水临近预报方法及其在中国东部地区的应用研究

庄潇然 郑玉 王亚强 康志明 闵锦忠 李杨

庄潇然, 郑玉, 王亚强, 康志明, 闵锦忠, 李杨. 基于深度学习的融合降水临近预报方法及其在中国东部地区的应用研究[J]. 气象学报. doi: 10.11676/qxxb2023.20220081
引用本文: 庄潇然, 郑玉, 王亚强, 康志明, 闵锦忠, 李杨. 基于深度学习的融合降水临近预报方法及其在中国东部地区的应用研究[J]. 气象学报. doi: 10.11676/qxxb2023.20220081
A deep learning based fusion precipitation nowcast method and its application study over East China[J]. Acta Meteorologica Sinica. doi: 10.11676/qxxb2023.20220081
Citation: A deep learning based fusion precipitation nowcast method and its application study over East China[J]. Acta Meteorologica Sinica. doi: 10.11676/qxxb2023.20220081

基于深度学习的融合降水临近预报方法及其在中国东部地区的应用研究

doi: 10.11676/qxxb2023.20220081
基金项目: 国家自然科学基金

A deep learning based fusion precipitation nowcast method and its application study over East China

  • 摘要: [目的]为了实现对中国东部地区极端强降水的临近预报预警,[资料和方法]基于具有物理约束功能的PhyDNet构建了融合雷达反射率因子和分钟级降水观测的融合降水临近预报模型PhyDNet-RP,能够预测江苏及其上游地区未来3h的降水量,通过对比PhyDNet-RP、INCA(交叉相关外推加中尺度模式融合)、PhyDNet-P(仅包含降水输入)和UNet-RP(输入因子与PhyDNet-RP相同,但采用UNet模型)四种临近预报方法验证,并重点讨论了四种方法对强降水增强过程的预测能力。[结果]结果表明:(1)与INCA相比,深度学习方法能更好地体现强降水增强过程中的发展和演变过程,(2)对比PhyDNet-P和PhyDNet-RP发现在深度学习模型输入端增加雷达反射率因子可以更好地体现强降水的形态和移动特征,(3)UNet-RP能够体现降水的形态和移动,但不能刻画降水强度。[结论]总得来说,PhyDNet-RP预报效果最优,说明在模型输入端叠加具有不同功能属性的通道因子对预测效果具有正贡献,这为深度学习的可解释性提供了一定参照。

     

  • 加载中
计量
  • 文章访问数:  108
  • HTML全文浏览量:  8
  • PDF下载量:  53
  • 被引次数: 0
出版历程
  • 收稿日期:  2022-04-28
  • 录用日期:  2022-09-28
  • 修回日期:  2022-09-27
  • 网络出版日期:  2022-09-28

目录

    /

    返回文章
    返回