利用深度学习做短期降水预报——以美国大陆为例

 

陈国兴 研究员

复旦大学大气与海洋科学系

 

邀请人/报告会主持人：包庆 研究员

 

2022年8月10日（星期三）10:00

三号楼1218会议室

 

报告摘要:

天气预报对人们生产和生活具有重要影响，尤其是准确的短期天气预报，是预警和防范许多气象灾害的基础。传统的天气预报主要依靠基于物理定律的数值预报模型。这些模型在过去几十年取得了巨大的进步，但是也面临着很多问题，比如对物理参数化方案的敏感性以及对计算和存储资源需求的快速增长。近些年深度学习方法在诸多大气科学领域的有效应用，为短期天气预报提供了一种新的思路。因此，本研究基于三维神经网络模型，构建了一个以三维气象场为输入变量、预报日降水分布的神经网络模型，并分析评估了该模型在美国大陆地区的预报效果。主要分析发现有：一、神经网络模型可以有效预报美国大陆地区的日降水分布，其均方根误差要小于ERA-Interim和MERR2等再分析资料中降水预报的均方根误差；二、神经网络模型预报结果与传统模型预报结果的加权平均，要优于传统模型预报结果本身，因此神经网络预报模型可以用来提高传统模型的结果；三、神经网络模型的预测过程耗时极短，可以通过大规模集合预报来以进一步提高预报精度。因此，本研究认为深度学习方法在短时天气预报方面有非常大的潜力，有希望应用于更多的变量和场景预报。

 

报告人简介:

陈国兴，本科和博士（2013）毕业于北京大学，随后赴美国纽约州立大学奥尔巴尼分校，开展博士后研究（2013.08-2016.08），并担任项目研究员（2016.08-2020.08），现为复旦大学大气与海洋科学系青年研究员。主要研究兴趣/领域为气溶胶-云-气候相互作用，气候数据诊断与分析以及区域气候变化。担任 Scientific Report, Atmospheric Chemistry and Physics, Journal of Applied Meteorology and Climatology, Journal of Climate, Atmospheric Research, Atmospheric Environment, Advances in Atmospheric Sciences等期刊审稿人。