管理入口 内部文档 我要投稿
AAS:基于逻辑生长方程的西北太平洋台风强度预报模型
发布时间: 2021-06-17

台风是影响我国沿海地区的重要天气系统之一,台风登陆前后的狂风、暴雨和风暴潮会造成严重的社会、经济损失。提高我国对台风灾害的预报预警水平,减轻台风灾害造成的各项损失一直是防灾减灾的重点所在。过去几十年,西北太平洋台风路径预报水平已经取得了显著进步,但是强度预报水平的进展相当缓慢,而预报时效也仅为3-5天。因此,如何提高台风强度预报水平、延长预报时效成为了当前台风研究中亟需解决的重要问题。

围绕上述问题,复旦大学大气科学海洋科学系/大气科学研究院的周彦辰硕士、占瑞芬研究员(通讯作者)和吴志伟教授等与中国气象局上海台风研究所合作,利用观测和再分析数据集,基于逻辑生长方程,分别使用逐步回归和机器学习方法(LightGBM)建立了西北太平洋台风强度7天预报模型。对2015-17年间80个台风的独立预报进行评估,结果表明:新模型的预报误差小于中央气象台的官方强度预报误差(图1),特别是在东亚沿海地区,新模型显示了更好的预报潜能(图2);与传统的逐步回归方法相比,基于机器学习的模型对台风强度的预报性能更优(图1)。该模型还表现出对台风快速增强和快速减弱过程的预报潜力,具有较好的业务应用前景。

在本研究的基础上,如何进一步结合机器学习中的迁移学习方法克服样本偏少的问题,是模型能否用于实际业务中的关键,这将是下一步工作的重点。

该研究于2021年发表于《Advances in Atmospheric Sciences》,并受编辑推荐至美国科学促进会旗下的EurekAlert科学新闻发布平台推介。


Zhou, Y. C., J. W. Zhao, R. F. Zhan*, P. Y. Chen, Z. W. Wu, and L. Wang, 2021: A logistic-growth-equation-based intensity prediction scheme for western North Pacific tropical cyclones. Adv. Atmos. Sci., https://doi.org/10.1007/s00376-021-0435-1


1 基于2015-17年西北太平洋海域80个台风个例的台风强度预报均方根误差RMSESWR:使用逐步回归建模的逻辑生长模型LGEMLightGBM:使用机器学习方法建模的LGEMCMA:中央气象台的官方强度预报。


2 中央气象台主观预报与LGEM模型在不同预报时效的预报误差差异的空间分布。a24-h,(b48-h,(c72-h,(d96-h和(e120-h