贵州沿河县两次极端强降水的对比分析

利用常规天气资料、地面区域站、NCEP再分析资料和多普勒天气雷达资料对比分析了2016年6月19-20日特大暴雨和2019年6月22日大暴雨的天气形势、水汽条件、动力抬升条件以及雷达回波特征。分析发现:两次过程都属于典型的低涡切变型暴雨过程;"6·20"过程水汽通量强,辐合抬升高,维持时间长,是过程降水量大的主要原因;"6·22"过程水汽辐合强,垂直上升速度强,持续时间较短,是过程小时雨强大的主要原因;沿河西部的"列车效应"是这两次极端降水的关键原因;EC模式能够较好地预报出"6·20"过程中对流层中低层主要影响系统及其位置,随着预报时效的临近,预报的系统位置和移动与实况偏差减小。

基于机器学习的宁海县气温降尺度推算研究

针对当前气温预报精细化程度无法满足经济发展及人民群众的需求,利用宁海县22个气象站2013—2016年的逐日气温资料、EC数值模式气温预报资料以及各站点的地理信息资料,实况资料作为输出,数值预报、地理信息资料作为输入,构建DBN神经网络气温预报模型。经过训练的神经网络模型对数值预报气温资料有正的订正作用,对站点平均预报准确度缩小1.18℃,该模型可以用于气温降尺度业务实际。