融合众包智能和数据同化的沿岸洪水预测方法研究
编号:2623 访问权限:仅限参会人 更新:2024-04-12 15:25:39 浏览:894次 口头报告

报告开始:2024年05月18日 14:40(Asia/Shanghai)

报告时间:10min

所在会场:[S6] 主题​6、海洋地球科学 [S6-2] 主题6、海洋地球科学 专题6.15、专题6.16、专题6.6(18日下午,203)

暂无文件

摘要
沿岸洪水对人类社会危害严重,当前全球有数十亿人面临洪水风险。数值模式在灾害预测中起着重要的作用,但现有的数值模式难以对复杂的城市环境和人类活动进行建模,因此对沿岸城市淹水预报仍具有一定误差。利用观测数据通过数据同化来改进模式是提升预报水平的有效方法。然而,如何在灾害期间有效获取观测数据已成为沿岸洪水预报的主要挑战。由此,本文采用一种新兴的计算方式——众包智能,通过互联网和社交媒体指派网络用户完成数据采集、推理计算等任务。本文提出一个通用的方法框架,充分发挥人的智能,从灾区现场或网络线上获取与洪水相关的照片、文本、视频等多模态数据,并在此基础上进行数值模式问题识别、因果分析、融合数据同化,最终实现洪水预测水平的有效提升。此方案在天鸽和山竹引发的澳门淹水预报中得到了有效验证。
关键词
数据同化,数值预报,风暴潮淹没,众包智能
报告人
王晓慧
助理研究员 中国人民解放军国防科技大学

稿件作者
王晓慧 中国人民解放军国防科技大学
王辉赞 中国人民解放军国防科技大学
张卫民 国防科技大学
邱思航 中国人民解放军国防科技大学
发表评论
验证码 看不清楚,更换一张
全部评论
重要日期
  • 会议日期

    05月17日

    2024

    05月20日

    2024

  • 03月31日 2024

    初稿截稿日期

  • 03月31日 2024

    报告提交截止日期

  • 05月20日 2024

    注册截止日期

主办单位
青年地学论坛理事会
承办单位
厦门大学近海海洋环境科学国家重点实验室
中国科学院城市环境研究所
自然资源部第三海洋研究所
联系方式
历届会议
移动端
在手机上打开
小程序
打开微信小程序
客服
扫码或点此咨询