聚类算法在四个超级单体强对流过程雷电预警中的应用

选取2020年5月3日邢台出现四个超级单体的强对流过程,以6分钟的间隔对三维闪电数据进行划分,使用DBSCAN聚类算法删除离散点,使用K-means聚类算法对三维闪电数据进行聚类分析。选取轮廓系数最大的K值,并与雷达回波拼图数据进行对比,识别四个超级单体并计算聚类中心和聚类最大半径,使用趋势外推法对四个超级单体的运动轨迹进行预测。分析表明:DBSCAN聚类算法可以有效删除离散点,操作性强;四个超级单体的K-means算法聚类中心和30 dBZ以上的强回波区域一致性较好,可以获取聚类中心运动轨迹和聚类最大半径;使用临近三个时次数据进行趋势外推,MSE最小,该方法对雷电预警信号发布有参考价值。

2018年夏季高空数值预报产品在中国的适用性评价

为研究高空数值预报产品在中国的适用性,本文收集了目前在我国气象服务中采用的主要数值预报产品(GRAPES、ECMWF)、气象台站大气探空数据,利用数理统计方法,分析了高空数值预报产品与实况场在2018年夏季的差异,进行不同数值预报产品在不同时效的预测能力综合评估,得出了以下结论:在温度预报上,模式对于北部的预报效果优于南部地区,其中ECMWF的平均偏差、均方根误差和相关系数在不同层次的12 h和24 h预报时效的对比中均小于GRAPES的结果,且在对流层低层的700 hPa和850 hPa,ECMWF结果的优势明显。在位势高度预报上,模式对于北部的预报效果优于南部地区,12 h预报时效的结果优于24 h预报时效的结果,在对流层低层的700 hPa和850 hPa,ECMWF结果的优势明显,且这种优势主要表现在我国西部地区。在风速预报上,GRAPES在平均误差、相关系数和均方根误差上明显优于ECMWF的结果,反映了GRAPES在风速预报中的优势。