浙江中南部海雾预报决策树模型研究

发布时间：2024-03-22 20:16

　　利用椒江大陈沿海航线上重要站点一江山岛、大陈站和头门岛2015—2018年2—6月的海雾历史观测资料和NCEP/NCAR FNL再分析资料,从海雾的成因中找出大气与海雾的关系。分析的影响因子包括:地面与高空温差(T1 000 hPa—T2 m)、(T925 hPa—T2 m)、(T850 hPa—T2 m)、(T975 hPa—T2 m)和1 000 hPa相对湿度,低层上升速度分析等。结论如下:(1)暖湿气流本身强弱对大雾无影响,温差才是形成大雾的重要因素,近地层的逆温有利于大雾形成,越低层逆温越强越有利于大雾形成;(2)大雾形成时所需相对湿度基本集中在90以上, 950 hPa上较弱的上升速度利于大雾的形成,散度条件对海雾的影响差别不大;(3)通过训练集数据参与模型的建立,模型整体的学习准确率为0.85。将此测试集数据运用于2019年2—6月的大雾数据检验中,成功率为0.8。决策树模型建立的海雾判别流程可在业务中用于浙中南有无海雾的判别。

【文章页数】：6 页

【部分图文】：

图52015—2018年椒江沿海航线大雾气象观测要素特征诊断决策树模型

图42015—2018年大陈航线不同高度温度差、1000hPa湿度、950hPa上升速度和950hPa散度与有无大雾的分布5结论与缺陷

图2一江山岛2017年大雾与风向的关系

基于上述事实，由于海雾形成时天气为一静稳状态，观测数据中温度、湿度和风场变化不大，风向、风速也难求规律；在预报上地面气象要素的得出是基于模式产品，准确率不高。本文通过高空近地层资料探究，从模式已有输出因子（高低空要素场）入手，通过对平流冷却雾的本身定义推导，筛选海雾预报因子，运用....

图32015—2018年大陈航线不同高度与2m地面温差和925hPa前后时次温差与有无大雾的分布

决策树中基本反映了前面分析的分布情况，并且更加明确了湿度是大雾形成的必要条件，沿海海面湿度需大于90才能执行该模型；其次是近地层的温差情况；另外，低层上升速度、低层逆温等都对大雾形成有影响。训练集数据模型整体学习准确率为0.85。将此测试集数据运用于2019年2—6月的大雾数据检....

图42015—2018年大陈航线不同高度温度差、1000hPa湿度、950hPa上升速度和950hPa散度与有无大雾的分布

图32015—2018年大陈航线不同高度与2m地面温差和925hPa前后时次温差与有无大雾的分布图52015—2018年椒江沿海航线大雾气象观测要素特征诊断决策树模型

本文编号：3934904