简介：介绍了数据挖掘、机器学习和深度学习的概念和相互关系,按照整体性学习理论建立了气象领域深度学习知识体系框架,简要介绍了当前主流的深度学习框架工具Caffe和TensorFlow,以及深度学习在气象领域的几个前沿应用,最后提出了推进深度学习技术在气象领域研究应用应当重视的三个关键环节.

简介：利用浙江省2004~2013年3~8月Micaps(气象信息综合分析处理系统)地面填图数据和T–logP数据研究杭州、衢州和台州三市的阵雨和雷雨个例,同时选取能表征雷雨并能区分阵雨与雷雨的气象预报因子:对流有效位能、850hPa与500hPa的温差、K指数、地面2m温度,用临近探空的分析方法和决策树的分类方法初步建立了一个适用于浙江省春夏季降水性质分类指标。利用欧洲中心(ECMWF)细网格预报资料,对历史样本和2016年春、夏季分别作了检验。结果表明:除去有降水预报误差个例后,指标TS(ThreatScore)评分超过0.53,雷雨阵雨综合命中率达到71%,空报率阵雨(10%)小于雷雨(43%),在不同地区和季节稍有区别;同时对浙江省2016年春夏两次典型大范围阵雨雷雨过程进行预报,效果很好。此方法不仅可以依据预报数据在短期内做出精细化降水性质分类预报,在中长期预报上也有表现力。

简介：气候变化是国际社会普遍关心的重大全球性问题,涉及自然生态环境、经济可持续发展、国家利益及政策制定等多方面问题。气候变化与经济的跨学科研究始于20世纪90年代,随着全球变暖的加剧,气候变化问题日益突出,不仅表现为对自然生态环境的影响,如海岸带和海洋生态系统破坏.