基于多尺度WRF-ConvLSTM模型的贵州复杂地形区逐时能见度精细化预报研究
《Forecasting》:Multiscale Visibility Forecasting over Complex Terrain Using High-Temporal-Resolution WRF Fields and a Physics-Informed Spatial Prior
【字体:
大
中
小
】
时间:2026年09月24日
来源:Forecasting 4.2
编辑推荐:
摘要大气能见度是影响交通运输、旅游业和农业生产的重要气象变量。贵州省位于云贵高原东部,地形复杂、湿度较高,容易发生与雾相关的低能见度事件。为了满足复杂地形区域精细化预报的需求,同时降低大面积直接高分辨率预报的成本,本研究将高时间分辨率的WRF(天气研究与预报)预报与深度学习相
摘要
大气能见度是影响交通运输、旅游业和农业生产的重要气象变量。贵州省位于云贵高原东部,地形复杂、湿度较高,容易发生与雾相关的低能见度事件。为了满足复杂地形区域精细化预报的需求,同时降低大面积直接高分辨率预报的成本,本研究将高时间分辨率的WRF(天气研究与预报)预报与深度学习相结合,开发了一种多尺度模型,该模型将粗尺度时空预测与细尺度空间重建相结合,为贵州全境提供逐时、空间连续的能见度预报。研究得出以下结论:(1)多尺度WRF-ConvLSTM(MS-WRF-ConvLSTM)相比其他模型在低能见度预报方面有所改进。未来12小时预报中,R值范围为0.59至0.73,RMSE为0.81至1.01公里,类别评分表明该模型具有可靠的事件识别能力和各预报时次下稳定的性能表现。(2)通过融合多尺度信息并学习区域空间关系,模型提升了空间连续性和局部细节表现,适用于复杂地形区域的精细化预报。(3)消融实验证实了多尺度结构、高时间分辨率数据以及CVIS空间约束的贡献。尽管CVIS的直接预测精度有限,但其空间先验信息改善了细尺度重建效果,在精度与空间细节之间取得了平衡。(4)SHAP分析识别出历史能见度、海拔、坡度、风向、露点温度、气温和比湿为重要预测因子。城市间学习到的空间关系进一步提升了区域能见度预测效果。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号