热带气象学报

作者：周必高, 鲁小琴, 吴贤笃, 仇欣, 谢海华, 朱忠勇, 郑建琴

单位：1.温州市气象局，浙江温州3250272.温州市台风监测预报技术重点实验室，浙江温州3250273.中国气象局上海台风研究所，上海2000304.南京大学大气科学学院，江苏南京210023

关键词：热带气旋, 大风半径估算, 卷积神经网络模型, 多层感知器神经网络模型, 融合TC-WREM模型, 西北太平洋

基金：温州市科技局基础公益科研项目S2023012；南京大学中尺度灾害性天气教育部重点实验室基金LMSWE-2201；上海市2021年度“科技创新行动计划”自然科学基金项目21ZR1477300；

利用2001—2020年美国联合台风警报中心(JTWC)热带气旋(Tropical Cyclone，TC)最佳资料数据集和静止气象卫星云图，建立了基于多层感知器神经网络模型(Multi-Layer Perceptron，MLP)和卷积神经网络(Convolutional Neural Network，CNN)融合的TC大风半径估算模型(TC Wind Radii Estimation Model，TCWREM)。该模型利用MLP和CNN分别对TC属性数据和卫星云图中与TC大风半径相关联的核心特征进行预提取，最终通过融合TC-WREM模型开展大风半径估算。融合的TC-WREM模型能实现对TC属性数据和卫星云图底层特征的深度客观挖掘，较单独的MLP和CNN模型的估算误差降低7%~24%。以TC近地面8级大风半径(R8)估算为例，针对2021年台风“烟花”的独立样本估算检验显示分象限R8估算平均绝对误差(Mean Absolute Error，MAE)分别为39、33、40和51 km，均值为41 km，误差中位值约40 km，优于业务估算精度(为大风半径的25%~40%)及西北太平洋和大西洋同类研究估算结果。由于融合TC-WREM模型的输入为易获取的TC属性数据和静止气象卫星云图，因此该模型易于在业务中进行推广，从而可改善国内TC大风半径估算模型缺乏的现状。

来源：2024年第5期

《热带气象学报》期刊编辑部

查看热带气象学报杂志2024年第5期