浙江中南部海雾预报决策树模型研究OA北大核心CSCDCSTPCD
A decision-tree forecasting model of sea fog for the central and southern coastal area of Zhejiang Province
利用椒江大陈沿海航线上重要站点一江山岛、大陈站和头门岛2015-2018年2-6月的海雾历史观测资料和NCEP/NCAR FNL再分析资料,从海雾的成因中找出大气与海雾的关系.分析的影响因子包括:地面与高空温差(T1 000 hPa-T2 m)、(T925 hPa-T2 m)、(T850 hPa-T2 m)、(T975 hPa-T2 m)和1 000 hPa相对湿度,低层上升速度分析等.结论如下:(1)暖湿气流本身强弱对大雾无影响,温差才是形成大雾的重要因素,近地层的逆温有利于大雾形成,越低层逆温越强越有利于大雾形成;(2)大雾形成时所需相对湿度基本集中在90以上,950 hPa上较弱的上升速度利于大雾的形成,散度条件对海雾的影响差别不大;(3)通过训练集数据参与模型的建立,模型整体的学习准确率为0.85.将此测试集数据运用于2019年2-6月的大雾数据检验中,成功率为0.8.决策树模型建立的海雾判别流程可在业务中用于浙中南有无海雾的判别.
俞涵婷;廖晨昕;王可欣;陈华忠
椒江区气象局,浙江台州318000余杭区气象局,浙江杭州311100椒江区气象局,浙江台州318000玉环市气象局,浙江玉环317600
海洋科学
浙江海雾分类与回归树决策树模型
《海洋预报》 2020 (6)
96-101,6
台州市椒江区科技计划项目(192032)台州市气象科技计划项目(TZ2018QN02).
评论