科研进展:基于机器学习的台风降水参数化模型-工作动态-上海市气象局
网站地图  |  联系我们 |  加入收藏

科研进展:基于机器学习的台风降水参数化模型

  • 发布日期: 2024-12-25
  • 近日,上海台风研究所发表了关于建立基于机器学习的台风降水参数化模型的研究文章。作者团队于2022年自主研发了适用于巨灾风险评估的台风降水参数化模型(Tropical Cyclone Precipitation Model, TCPM),文章在此模型基础上引入机器学习方法,构建了一套基于机器学习的台风降水参数化模型(Machine Learning-Based Parameterized Tropical Cyclone Precipitation Model, TCPM-ML),提升了TCPM此类传统台风降水参数化模型对局地小时降水极值的模拟能力。研究成果可为区域尺度的台风暴雨巨灾风险评估工作提供有力的技术支撑。

    近年来,极端台风暴雨事件频发,灾害损失越发严重。科学开展台风暴雨危险性评估是制定防台减灾有效策略的基础,国内外多采用随机模拟下的台风降水参数化模型开展相关评估研究。但是,受简化方案的限制,现有的模型大多存在对局地小时降水严重低估的问题。因此,文章选取上海为典型研究区,利用随机森林、极限梯度提升和集成学习算法,结合上海高分辨率观测台风降水数据,将最初的TCPM模型优化到局地尺度,构建了TCPM-ML模型。结果表明,TCPM-ML模型较好的再现了台风小时降水极值的概率分布和局地特征,在考虑台风降水物理机制的基础上,最大限度地优化了台风小时降水模拟能力,有效弥补了TCPM的缺陷。其中,采用集成学习算法下的效果最优。

    1采用机器学习算法优化TCPM构建TCPM-ML的流程图

    该成果在《International Journal of Disaster Risk Science》发表。中国气象局上海台风研究所陆逸博士为第一作者、陈佩燕研究员为通讯作者,合作者为中国气象局上海台风研究所余晖研究员,华东师范大学殷杰教授,以及上海师范大学硕士研究生黄司戎。

    论文信息:

    Lu, Y., Yin, J., Chen, P. et al. A Machine Learning-Based Parameterized Tropical Cyclone Precipitation Model. Int J Disaster Risk Sci (2024). https://doi.org/10.1007/s13753-024-00606-1

    文章链接:

    https://link.springer.com/article/10.1007/s13753-024-00606-1

    扫码阅读原文




上海市气象局官方网站  
主办:上海市气象局办公室 地址:上海市徐汇区蒲西路166号 版权所有:上海市气象局
电话:021-54896000 邮政编码:200030
ICP备案号:京ICP备05004897号   Copyright©1997-2019 
网站标识码:bm54090001 沪公安机关备案号31010402004850