报告题目：物理结合人工智能提升极端降水预报的探索——以“21·7”河南极端强降水事件为例
报告专家：钟琦 教授
报告时间：2024年11月28日（周四）14:30
报告地点：气象楼423会议室
主持人：王勇 教授
专家简介：
钟琦，中国科学院理学博士，中国气象局干部学院教授，学科带头人，成都信息工程大学研究生导师，现任干部学院新技术部副主任，世界气象组织WMO服务委员会（SERCOM）气候服务委员会能力发展专家组 (ET-CDC)核心成员。首批气象高层次科技创新人才计划“青年气象英才”，首批中国气象局干部学院教学团队“人工智能气象应用教学团队”带头人，首批全国气象教学团队“短时临近预报教学科研团队”骨干成员。主持和骨干参加国家重点研发计划、科技部重大科学研究973计划、国家自然科学基金重点项目、面上项目和青年项目等国家级科研项目10余项，发表学术论文40余篇，获得软件著作权5项，主持编写教材6本，参与出版专著3本。主要教学和研究方向为：强降水预报的深度学习订正，强天气的数值模拟
报告摘要：
极端强降水是破坏和影响最为巨大的自然灾害之一, 而由于其罕见性和独特性, 其发生演变的精准预报极具挑战。以2021年河南“21.7”极端降水事件为对象, 基于异常物理特征分析和多模式预报偏差理解, 通过在损失函数中采用与降水物理和数据特征更相适的优化指标和约束, 开展降水预报的机器学习订正试验, 有效改进了强降水强度和落区预报. 研究发现通过学习异常物理特征与强降水的关系, 可显著提升降水预报的强度, 但降水的落区很难调整, 也容易带来较大空报。 通过多模式降水的机器学习融合, 有潜力提取各模式降水预报精细结构的优势, 显著改进降水落区预报, 但降水强度提升有限。基于“好而不同”的多模式融合, 再结合适量异常特征可达成综合调整强降水落区和降水强度的效果。研究为提升极端性强、变率大的强降水精细化预报和物理融合人工智能方法提供参考。
欢迎广大师生踊跃参加！
气象灾害教育部重点实验室
气象灾害预报预警与评估协同创新中心
大气科学学院
2024.11.22