气溶胶等效复折射率反演的免疫进化算法

通过Mie散射理论公式构建目标函数,利用免疫进化算法对气溶胶等效复折射率的实部和虚部进行协同优化,据此创新性地提出了气溶胶等效复折射率反演的新途径.基于成都市2017年9～12月逐时的气溶胶散射系数和吸收系数观测数据以及该时段同时次GRIMM180大气颗粒物监测仪的连续监测资料,研究结果表明,气溶胶等效复折射率反演的免疫进化算法不仅是普适的,而且还具有收敛速度快?计算稳定和求解精度高等特点.通过与其它气溶胶等效复折射率反演方法的对比分析,进一步论证了新方法的优势,这为气溶胶等效复折射率演变机理以及气溶胶吸湿性增长模型的后续研究提供了算法保障.

基于特征工程的强降水物理要素提取及分析

灾害性强降水事件对人民生命和财产安全具有重大影响,其精准预报是防灾减灾的重要内容,但因其突发性强、变化快和强度大的特点,常用数值模式的预报准确率很低。近年来随着人工智能技术快速发展,融合物理特征和机器学习的强降水预报成为热点研究。本文利用特征工程提取强降水预报关键物理因子,发现随着预报精细度提升,模式直接预报降水的贡献越来越小,而相关物理特征更具参考价值。对6小时以上累计降水,中高层的动力维持作用、整层抬升和整层含水量具有较大贡献;而对于3小时以内降水预报,近地面层的动力辐合、不稳定能量特征、及影响降水效率的云微物理因子重要性更加凸显,这与降水系统的多尺度特征和模式可预报性相对应。通过特征工程精简后的物理特征可有效去除冗余提升机器学习模型效率,为提升强降水的预报准确率提供支撑。

气溶胶粒径吸湿增长与散射吸湿增长的关系

基于成都市2017年10~12月AURORA-3000积分浊度计、AE-31黑碳仪和GRIMM180环境颗粒物监测仪的地面逐时观测资料,以及该时段同时次的环境气象监测数据(大气能见度、相对湿度RH和NO2质量浓度),通过Mie散射理论与免疫进化算法反演气溶胶粒径吸湿增长因子Gf(RH),并利用光学综合法测量气溶胶散射吸湿增长因子f(RH),探究了Gf(RH)与f(RH)之间的关系.结果表明:当RH<85%,Gf(RH)和f(RH)随RH的增加均表现为平缓式增长;当RH>85%,Gf(RH)和f(RH)随RH的增加则均呈现出爆发式增长.Sigmoid函数f(RH)=17.34/(1+e^-2.43·[Gf(RH)-2.15])较好地拟合了f(RH)随Gf(RH)的变化形态,其f(RH)拟合值与测量值之间的决定系数(R^2)和平均相对误差(MRE)分别为0.97和4.01%.利用sigmoid函数计算Gf(RH),模拟了观测时段内一次灰霾演化过程中气溶胶的散射系数bsp(RH)和吸收系数bap,二者的模拟值与测量值基本吻合,对应的R2分别为0.99和0.98,MRE分别为2.94%和5.24%.

免疫进化算法反演均匀混合气溶胶吸湿增长因子

通过对大气消光系数进行组分分解,并借助米散射理论,构建了以均匀混合气溶胶吸湿增长因子为唯一变量的目标函数.进一步利用免疫进化算法优化该目标函数,提出了一种针对均匀混合气溶胶吸湿增长因子的反演算法.基于成都市2017年10-12月浊度计,黑碳仪和GRIMM180环境颗粒物监测仪的地面逐时观测资料以及该时段同时次的环境气象监测数据(大气能见度,相对湿度RH和NO2质量浓度),评估了算法的性能及其适用性.结果表明:对所有测试样本而言,反演均匀混合气溶胶吸湿增长因子的免疫进化算法均能快速收敛到全局最优解.建立了成都地区秋冬季均匀混合气溶胶吸湿增长模型,该模型显著提升了环境条件下气溶胶散射系数的模拟精度,其模拟值与实测值之间的平均相对误差仅为12.7%.该反演算法的普适性可为气溶胶吸湿性及其辐射强迫效应的后续研究提供算法保障.

耦合气溶胶双参数化方案的大气能见度数值改进算法

将气溶胶复折射率(Aerosol Complex Refractive Index,ACRI)和气溶胶粒径吸湿增长因子(Growth Factor,Gf(RH))参数化方案进行耦合,提出了一种基于Mie散射模型的大气能见度数值改进算法.并利用成都市2017年10~12月WS600一体式气象站、AURORA-3000积分浊度计、AE-31黑碳仪以及GRIMM180环境颗粒物监测仪分别观测获得的相对湿度(RH),干气溶胶散射系数(bsp),干气溶胶吸收系数(bsp),气溶胶质量浓度(PM_(10),PM_(2.5),PM_(1))及其数浓度粒径分布(N[r(RH)])的地面逐时观测资料,通过与两种能见度计算模型(经验参数的Mie散射模型和统计模型)在不同能见度区间(<2km,2~5km,5~10km,>10km)模拟结果的对比分析,评估了该改进算法的适用性.结果表明:三种能见度计算方法均能较好地模拟出能见度的变化特征;改进算法通过本地化参数化方案更准确地估计出DACRI和Gf(RH),从而可更准确地模拟出四类能见度区间,对应模拟值与实测值的相关系数(R)分别为0.62,0.90,0.89,0.93,平均相对误差(MRE)分别为9.86%,10.39%,9.94%,14.06%.

干气溶胶复折射率的参数化方案

基于成都市2017年10~12月WS600一体式气象站、AURORA-3000积分浊度计、AE-31黑碳仪以及GRIMM180环境颗粒物监测仪的地面逐时观测数据,结合Mie散射理论数值改进算法与免疫进化算法反演了550nm波长处干气溶胶复折射率(DACRI)的实部(n_(re))和虚部(n_(i)).通过分析DACRI反演结果与颗粒物质量浓度之比(BC/PM_(1),BC/PM_(2.5),BC/PM_(10),PM_(1)/PM_(2.5),PM_(1)/PM_(10)和PM_(2.5)/PM_(10))之间的相关性,利用逐步线性回归方法分别构建了n_(re)和n_(i)的参数化方案.n_(re)和n_(i)的参数化方案拟合值与实测值之间的相关系数(R)分别为0.54和0.85(P<0.0001),平均相对误差(MRE)分别为2.31%和15.18%.此外,利用该参数化方案计算的DACRI模拟了一次灰霾演化过程中干气溶胶的散射系数bsp和吸收系数bap,其模拟值与实测值之间的相关系数分别为0.98和0.91(P<0.0001),平均相对误差分别为7.43%和14.97%.

卷积门控循环单元神经网络与光流法在临近预报中的适用性研究

深度学习目前在临近预报的雷达外推应用中发展迅速,对其适用性的客观评估是业务应用的重要前提。利用粤港澳大湾区雷达回波开放数据集,基于回波图像形态、命中率、虚警率以及技巧评分,对比评估了卷积门控循环单元神经网络(ConvGRU)与基于半拉格朗日平流方案的快速稠密光流法(OF)在未来120 min雷达回波外推中的效果,结果表明ConvGRU与OF虽外推效果良好,但均不适用于外推回波的生成、加强以及局地分散性特征,且外推效果显著受到天气过程种类的影响。其中,ConvGRU可能更适用于外推分布范围适中且运动简单的回波的主体位置,但回波的强度不稳定且形态模糊,其无法表征回波的精细化运动规律与演化特征;OF更适用于外推50 dBz以上的强回波,且回波结构更优,但在回波缺测区与强度少变区内的外推易存在很大的分布偏差。深度学习的数据集样本数是决定模型效果的最重要原因之一,但样本数实际未能全面覆盖各类天气过程,总体仍偏少,预报业务需进一步扩增。

成都冬季“干”气溶胶等效复折射率变化特征研究

基于成都市2017年12月逐时的“干”气溶胶散射系数和吸收系数观测数据,结合该时段同时次GRIMM180环境颗粒物分析仪的监测资料,利用免疫进化算法一体化反演550nm波长处“干”气溶胶等效复折射率的实部和虚部,并对其冬季变化特征进行了研究,结果表明:“干”气溶胶等效复折射率实部和虚部分别为(1.547±0.0552)和(0.0197±0.00604).“干”气溶胶等效复折射率实部和虚部的日变化形态基本一致,主要表现为“单谷型”特征,二者的谷值出现时段位于15:00~18:00.在日时间尺度上而言,“干”气溶胶等效复折射率实部与质量浓度统计上对其散射消光的演化存在协同作用,“干”气溶胶虚部与质量浓度对其吸收消光的演化也存在类似影响.“干”气溶胶等效复折射率虚部是单位质量浓度“干”气溶胶吸收消光能力的重要表征.

成都秋冬季气溶胶散射吸湿增长模型研究

气溶胶散射吸湿增长对大气环境有重要影响,而相关研究在川西地区尚不多见。利用成都市2017年10-12月浊度仪和黑碳仪的逐时观测资料以及同时次的环境气象监测数据〔大气能见度、相对湿度(RH)和NO2质量浓度〕,计算了该区域秋冬季气溶胶散射吸湿增长因子f(RH),进而分析该因子随相对湿度的变化特征。主要结论如下:通过多模型对比,确定了二次多项式是表征研究区秋冬季气溶胶散射吸湿增长的最优模型。基于该最优模型的诊断发现,f(RH)随RH的增加而增大,陡增点出现在RH值为86%~87%时。成都地区f(RH)低于珠三角地区,但总体高于京津冀、长三角地区、巴西和葡萄牙的计算值。

成都地区气溶胶散射吸湿增长因子双变量模型

基于成都市2017年10~12月逐时的“干”气溶胶散射系数和吸收系数观测数据,结合该时段同时次的能见度(V)、相对湿度(RH)以及二氧化氮(NO_(2))监测资料,利用“光学综合法”计算气溶胶散射吸湿增长因子,并探究了气溶胶散射吸湿增长因子单变量f(RH)模型的适用性及其改进方案.结果表明:幂函数、二次多项式、幂指函数形式的f(RH)模型在低RH条件下(RH<85%)均能很好地模拟气溶胶散射吸湿增长因子随RH的变化特征,但在高RH条件下(RH>85%)的模拟值会出现较大的偏差.黑碳质量浓度(C_(BC))是影响气溶胶散射吸湿增长因子的另一关键变量,二者之间满足非线性关系.以RH和C_(BC)为自变量构建了气溶胶散射吸湿增长因子双变量f(RH,C_(BC))模型,模型计算值和实测值之间的决定系数R^(2)为0.763,平均相对误差MRE为14.28%.双变量模型f(RH,C_(BC))的应用显著改善了气溶胶散射消光系数的模拟效果.

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

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.

两种气溶胶消光吸湿增长因子的适用性分析

分别以干燥环境下的平均单位质量气溶胶消光系数和湿环境下烘干气溶胶的散射消光系数为基准,提出了与之对应的两种气溶胶消光吸湿增长因子f1(RH)和f2(RH)。基于成都市2017年10—12月浊度仪和黑碳仪的逐时观测资料以及该时段同时次的环境气象监测数据(大气能见度、相对湿度以及NO2和PM(10)的质量浓度),针对上述两种气溶胶消光吸湿增长因子进行了系统的对比分析。主要结论如下:1)f1(RH)和f2(RH)均能表征气溶胶吸湿性的光学效应,二者的判决系数为0.90(通过了α=0.01的显著性检验);2)多模型的比对结果表明,二次多项式函数较好地拟合了f1(RH)和f2(RH)随相对湿度的变化特征;3)f1(RH)和f2(RH)的均值之比随相对湿度的增加而增大。进一步研究指出,烘干气溶胶的散射消光系数对相对湿度变化的显著响应关系是导致f1(RH)和f2(RH)非一致性演化的根本原因。

“干”气溶胶等效复折射率与其质量浓度指标的相关性研究

基于成都市2017年9月至12月逐时的气溶胶散射系数和吸收系数观测数据以及该时段同时次GRIMM180环境颗粒物监测仪的监测资料,利用免疫进化算法求解550nm波长处“干”气溶胶等效复折射率的实部和虚部,探讨了其与主要气溶胶质量浓度指标的相关性。结果发现:“干”气溶胶等效复折射率实部和虚部分别为1.55±0.045和0.022±0.0075。针对“干”气溶胶等效复折射率实部的变化,最重要的质量浓度指标是粒径小于1μm的颗粒物分别与粒径小于10μm和2.5μm颗粒物的质量浓度之比,对应的决定系数分别为0.53和0.21。针对“干”气溶胶等效复折射率虚部的变化,最重要的质量浓度指标是黑碳分别与粒径小于10μm和2.5μm颗粒物的质量浓度之比,对应的决定系数分别为0.47和0.42。

成都市冬季大气消光系数及其组成的特征研究

由于气溶胶吸湿增长的复杂性和不确定性,大气消光的演化机理至今尚不十分清晰.为此,利用成都市2017年12月浊度仪和黑碳仪的逐时观测资料,结合同时次的环境气象监测数据,系统研究了该区域冬季对应550 nm大气消光系数及其组成的特征.结果表明:①观测期间大气消光系数为(1173.42±641.21) Mm^(-1),其中"干"气溶胶散射系数、"干"气溶胶吸收系数、干洁大气散射系数、气态污染物吸收系数和气溶胶吸湿性消光系数对其平均贡献率分别是53.02%、6.54%、1.50%、1.65%和37.29%.②大气消光系数、"干"气溶胶散射系数和气溶胶吸湿性消光系数的日变化为"单峰单谷型",而"干"气溶胶吸收系数和气态污染物吸收系数的日变化则分别表现为"单谷型"和"双峰双谷型".③明确了单位质量大气消光系数及其组成随相对湿度的变化特征,并就其各自成因进行了分析.