基于轻量型深度学习框架的特大气象干旱异步预测初探
编号：599
稿件编号：6 访问权限：仅限参会人
更新：2025-03-31 17:55:17 浏览：139次
口头报告
报告开始：2025年04月19日 09:50 （Asia/Shanghai）
报告时间：10min
所在会议：[S1-2] 专题1.2 人工智能在气候研究中的应用 » [S1-2] 专题1.2 人工智能在气候研究中的应用
暂无文件
摘要
本报告将介绍一种特大气象干旱异步预测模型的初步研究。借助轻量型深度学习框架SimVP，在格点尺度上训练海温、次表层土湿、高空涡度等预测因子与气象干旱指数的时滞关系，借助3D DBSCAN算法进行事件识别。针对长江2022极端夏秋旱过程（8月11日—12月4日），本模型的控制预报试验能提前75天（约2.5个月）进行事件体级的早期预警；尽管预测为轻、中等干旱强度，但能稳健地捕获季节干旱事件过程和落区。
关键字
3D DBSCAN
报告人
发表评论