来源：期刊VIP网 时间：
作者：刘仁旺;高山红;
单位：中国海洋大学海洋与大气学院;中国海洋大学物理海洋教育部重点实验室;
摘要：海雾的研究与预报主要依赖数值模拟手段，然而由于初始场误差与模式误差的存在，借助数值模拟手段的雾区临近预报效果往往较差。本文聚焦海雾频发的山东半岛南岸海域，基于深度学习(deep learning, DL)技术，设计了一种海雾雾区临近预报方法并构建了相应的DL预报模型。使用温度、风场、湿度、海陆掩码和海雾掩码5个预报因子训练DL预报模型，13次山东半岛南岸海雾的预报结果给出雾区3 h预报结果的公正预兆评分(equitable threat score, ETS)与正报率(probability of detection, POD)分别为0.55与0.74。针对1次典型海雾过程，开展了一系列敏感性试验，测试了DL预报模型对不同预报因子的响应敏感性。结果发现，增强风速会促使预报结果中的雾区消散，改变水汽也会使预报雾区出现相应的生成或消散，这表明DL预报模型能够合理地响应输入的物理因子对海雾发展的影响作用。但必须指出的是，模型对某些物理因子(如海温)的响应还不够显著，卫星反演的海雾掩码误差也会影响模型的预报效果，因此需要进一步改进模型。此外，还需要探究加入更多预报因子对DL预报模型预报能力的影响，以及与数值预报效果进行对比来评估DL预报模型的应用价值。
关键词：山东半岛;;海雾;;临近预报;;深度学习;;卷积神经网络;;卷积长短时记忆网络
基金资助：国家重点研究发展计划项目(2022YFC3004204);; 国家自然科学基金项目(U2342214);; 国家自然科学面上基金项目(41276009)资助~~
