应用物理结合的人工智能方法提升“21·7”河南极端强降水预报  

作　　者：钟琦[1,2] 张智察 姚秀萍 侯劭禹[4] 傅慎明 曹勇[6] 敬林果 

机构地区：[1]中国气象局气象干部培训学院,北京100081 [2]中国气象科学研究院灾害天气国家重点实验室,北京100081 [3]浙江省气象台,杭州310051 [4]河北省人工影响天气中心,石家庄050021 [5]中国科学院大气物理研究所,北京100029 [6]国家气象中心,北京100081 [7]成都信息工程大学计算机学院,成都610228

出　　处：《中国科学：地球科学》2024年第5期1680-1701,共22页Scientia Sinica(Terrae)

基　　金：国家重点研发计划项目(2021YFC3000903);国家自然科学基金项目(42275013、42030611、42075002);中国气象局创新发展专项项目(CXFZ2023J001);灾害天气国家重点实验室开放课题项目(2023LASW-B05);浙江省科技厅重点研发计划项目(2022C03150)资助。

摘　　要：极端强降水是破坏和影响最为巨大的自然灾害之一,而由于其罕见性和独特性,其发生演变的精准预报极具挑战.本文以2021年河南“21·7”极端降水事件为对象,基于异常物理特征分析和多模式预报偏差理解,通过在损失函数中采用与降水物理和数据特征更相适的优化指标和约束,开展降水预报的机器学习订正试验,有效改进了强降水强度和落区预报.研究发现,通过学习异常物理特征与强降水的关系,可显著提升降水预报的强度,但降水的落区很难调整,也容易带来较大空报;这一方面是由于极端降水事件过程中相对稳定维持的异常环流和物理特征主要包含较大尺度信息,与模式降水偏差具有一致性,另一方面由于极端降水样本稀少,因此相应采用的算法复杂度较低.通过多模式降水的机器学习融合,有潜力提取各模式降水预报精细结构的优势,显著改进降水落区预报,但降水强度提升有限.本文基于“好而不同”的多模式融合,再结合适量异常特征可达成综合调整强降水落区和降水强度的效果.研究为提升极端性强、变率大的强降水精细化预报进行了创新探索,也为未来物理融合人工智能方法提供参考.

关 键 词：极端降水事件 精细化检验评估 异常物理特征 多模式融合 机器学习 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程] P457.6[自动化与计算机技术—控制科学与工程]