报告详情
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
访问权限：仅限参会人
更新：2025-03-31 17:55:17 浏览：5次
口头报告
报告开始：2025年04月19日 10:50（Asia/Shanghai）
报告时间：15min
所在会场：[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。
关键词
3D DBSCAN
报告人
刘臻晨
副研究员 河海大学水文水资源学院稿件作者
全部评论
重要日期
-
会议日期
04月17日
2025
至04月20日
2025
-
04月03日 2025
初稿截稿日期
-
04月20日 2025
注册截止日期
主办单位
中国科学院大气物理研究所
承办单位
中国科学院大气物理研究所
联系方式
- 皇甫静亮
- hf******@mail.iap.ac.cn
- 133********
发表评论