利用青岛2006—2013年4—8月地面观测资料以及FNL再分析资料,采用分类与回归树(CART)方法建立了青岛沿海海雾决策树预报模型,并根据2014年4—8月海雾预报空报情况,调整了预报模型中部分判别流程及预报指标阈值。2015年5月预报结果表明:...利用青岛2006—2013年4—8月地面观测资料以及FNL再分析资料,采用分类与回归树(CART)方法建立了青岛沿海海雾决策树预报模型,并根据2014年4—8月海雾预报空报情况,调整了预报模型中部分判别流程及预报指标阈值。2015年5月预报结果表明:修订后的青岛沿海海雾决策树预报模型72 h内海雾预报准确率可达70%—75%左右,表明修订后的海雾决策树预报模型可基本满足常规业务预报需求。青岛沿海海雾决策树预报模型中2 m相对湿度和海表温度最为关键,另外850 h Pa风向在海雾判别中也很重要,而且随着季节的不同判别阈值也明显不同。展开更多
文摘利用青岛2006—2013年4—8月地面观测资料以及FNL再分析资料,采用分类与回归树(CART)方法建立了青岛沿海海雾决策树预报模型,并根据2014年4—8月海雾预报空报情况,调整了预报模型中部分判别流程及预报指标阈值。2015年5月预报结果表明:修订后的青岛沿海海雾决策树预报模型72 h内海雾预报准确率可达70%—75%左右,表明修订后的海雾决策树预报模型可基本满足常规业务预报需求。青岛沿海海雾决策树预报模型中2 m相对湿度和海表温度最为关键,另外850 h Pa风向在海雾判别中也很重要,而且随着季节的不同判别阈值也明显不同。