一、影响上海地区热带气旋频数的预测水平评估（论文文献综述）
谈科[1]（2021）在《全球变暖背景下中国东南沿海地级市热带气旋及其经济损失演变趋势》文中指出中国东南沿海是全球受热带气旋影响最严重的区域之一,本文以浙江、福建、广东27个沿海地级市作为研究区域。首先使用1984-2019年气象观测数据和社会经济数据分析历史时期中国东南沿海地级市热带气旋及其经济损失特征;再基于国际耦合模式比较第六阶段（CMIP6）提供的全球气候模式数据和南京信息工程大学地理科学学院提供的共享社会经济数据,并使用动力降尺度模型WRF和构建脆弱性曲线等方法,研究在SSP2-45和SSP5-85情景下2020-2050年中国东南沿海地级市热带气旋及其损失演变趋势。主要得以下几点结论:（1）从热带气旋基本特征上看:时间上,1984-2019年西北太平洋生成气旋和登陆中国热带气旋次数均呈微弱下降趋势,东南沿海地级市登陆气旋次数变化不明显,但强度增加。2020-2050年生成气旋数量将继续呈下降趋势,中国东南沿海地级市中有57%的城市登陆热带气旋数量呈增加趋势,69%的城市登陆气旋强度显着增加。同时,这一数量会随着温室气体排放量的增加而增加。空间上,历史时期登陆气旋最多和强度最高的地区为广东西南沿海和福建中部。未来高强度热带气旋登陆点将出现明显北移,福建和浙江90%的沿海城市登陆的热带气旋频次和强度出现上升,特别是福建北部和浙江南部地区,广东总体下降。同时,气旋北移现象会随着全球变暖的加速而加剧。（2）从热带气旋造成的经济损失上看:时间上,1984-2019年东南沿海地级市热带气旋总体趋势以5.6亿/年的速率上升,经济损失最高的地区为浙江南部和广东西南沿海地级市,但从损失占当地的GDP比重上看,浙江南部沿海地级市要低于广东西南。未来中国沿海城市热带气旋损失将持续上升,SSP2-45路径2020-2050年的平均损失相较于1989-2019年将上升20.7%,SSP5-85路径情景则增至40.3%!空间上,损失最高的区域由历史时期的广东西南沿海城市转至福建和浙江交界区域。
冯小芳[2]（2021）在《IPO-BT模态及其对影响热带气旋活动的环流变化研究》文中进行了进一步梳理最近四十年,全球年平均地表面温度经历了不均匀的变暖:北极增暖、南极变冷,表现出明显的半球不对称性,北半球中纬度也出现“三波状”的空间变化趋势,热带东太平洋海表温度（Sea Surface Temperature,简称SST）则略有降温。这与大型多模式集合模拟人类活动影响造成的全球纬向均匀增暖响应有所不同。通过对现代多套再分析资料的分析,我们发现在过去的一个世纪存在一种与热带东太平洋SST活动有关的全球大气遥相关模态,这个模态对近四十年观测到的全球地表温度和大气环流的不均匀变化具有重要贡献。这种由热带SST驱动的大气遥相关模态与年代际太平洋涛动（Interdecadal Pacific Oscillation,简称IPO）关系密切,以下称为模态为IPO-BT（IPOrelated Bipolar Teleconnection,简称IPO-BT）。此外,过去千年的历史代用资料和两套历史气候重建资料也显示,IPO-BT模态是过去2000年地球系统内部的一种重要的低频模态,对于调节北极增暖和南大洋变冷,以及北半球中高纬度气候变化具有重要意义。夏季欧亚大陆环流的“偶极子”模态是IPO-BT对北半球中高纬度气候影响的重要特征。多套再分析资料表明,过去的一个世纪中自然内部变率调节了中亚地区增暖和“偶极子”模态的变化。青藏高原以北位势高度异常升高,使位势高度纬向梯度力减小,导致青藏高原的西风和东亚夏季风减弱,对其南侧的南亚高压强度变化影响较小。而在热带东太平洋SST冷异常的强迫下,西北太平洋地区重要的环流系统季风槽和北太平洋洋中槽会发生一致的向西移动,进而减少了西北太平洋东部热带气旋的生成,表现出热带气旋生成位置北移的特征。这种受自然变率调节的大尺度环流系统的整体变化对热带气旋的影响,与全球变暖背景下观测到的热带气旋生成北移现象一致,更多的研究需要定量研究人类活动和自然变率对热带气旋活动的影响作用。最新研究出的全球耦合模式比较计划第六阶段（CMIP6）模式资料可以较好的模拟出北半球冬季大气遥相关模态的时空特征,但大多数模式无法模拟出夏季的重要遥相关型:IPO-BT模态。气候模式的这种局限性,可能与模式对低频SST和热带对流活动,以及夏季热带东太平洋环流基本态的模拟偏差有关。不仅如此,CMIP6气候模式对影响西北太平洋热带气旋活动的大尺度环流系统的模拟也存在很大的不确定性。因此,在利用CMIP6预测环流气候变化和热带气旋活动时,要综合考虑这种模拟偏差。
何鑫[3]（2021）在《南海珊瑚礁区海表风速时空变化及热带气旋影响分析》文中提出使用遥感数据分析珊瑚礁区的风速,包括海表风速（Sea Surface Wind,SSW）和热带气旋（Tropical Cyclone,TC）,是研究珊瑚礁受环境胁迫的重要内容,能够为保护珊瑚礁资源奠定基础。本研究基于海表风速数据集系统分析1988～2017年南海珊瑚礁区海表风速的时空变化;使用热带气旋最佳路径数据集统计2010～2019年南海珊瑚礁区热带气旋的分布情况,并且评估不同珊瑚礁区受热带气旋的影响程度等级。得到的主要结论如下:（1）东沙群岛的年平均SSW最大,南沙群岛的最小。珊瑚礁区SSW的月平均变化呈现‘W’型。南沙群岛的年平均海表温度（Sea surface Temperature,SST）最高,东沙群岛的最低。在春季,四个珊瑚礁区的风速偏低,风向较为复杂。在夏季,南沙群岛西南风发生的频率最高,风速约7m/s。东沙群岛的风速最低。秋季,珊瑚礁区主要呈现东北风,风速在6 m/s左右。南沙群岛东北风和西南风的频率都很高。冬季,四个珊瑚礁区的风向均为东北风,频率在80%左右。东沙群岛的风速最高,南沙群岛的风速最低。珊瑚礁区的月平均SST近似呈现‘M’型变化,与月平均SSW的‘W’型变化相反。南海的海温变化不仅滞后于El Ni（?）o 3.4指数7个月左右,而且强度也有所降低。（2）对南海的海表风速距平（Sea Surface Wind Anomaly,SSWA）进行EOF分析,其第一模态表明东沙群岛、西沙群岛、中沙群岛和南沙群岛的SSWA的变化是一致的。南海的SSWA的第二模态空间分布表明南沙群岛与其他三个珊瑚礁区的变化呈反相关系。对南海的纬向风进行EOF分析,纬向风第一模态空间分布表明东沙群岛、西沙群岛、中沙群岛和南沙群岛的纬向风的增大和减小是一致的。纬向风第二模态空间分布表明,南沙群岛与其他三个珊瑚礁区的纬向风变化呈反相关系。对南海的经向风进行EOF分析,经向风的第一模态空间分布表明东沙群岛、西沙群岛、中沙群岛和南沙群岛的经向风变化是同相的。经向风的第二模态空间分布显示,南沙群岛与其他三个珊瑚礁区的经向风变化呈反相关系。SSWA、纬向风和经向风的第一模态时间系数都呈现一年的周期,第二模态时间系数都呈现一年和半年的短周期。（3）近10年以来,2010和2011年发生的热带气旋总数较少,其他年份的热带气旋频数相差不大,STY频数最少,Super TY的频数最多。影响到南海珊瑚礁区的TC等级多数为Super TY,STS很少影响珊瑚礁区。影响南海珊瑚礁区的TC高发期为8～10月。TC过境时,珊瑚礁区的风速大多数在41.5 m/s以下。2011年、2015年和2019年没有TC影响珊瑚礁区。2012年、2013年、2017年珊瑚礁受TC的影响时长较长。热带气旋对南海北部的影响更大,且多数热带气旋等级为STY和Super TY。2010～2019年,东沙群岛受热带气旋的影响最严重,影响程度等级最高可以达到V级,西沙群岛次之,影响程度等级最高可以达到IV级,中沙群岛和南沙群岛受热带气旋的影响都很小,影响程度等级几乎都在Ⅰ级。
刘彩红[4]（2020）在《青藏高原雪灾频数变化及其对海温异常强迫的响应》文中研究表明雪灾是青藏高原最主要、影响最广、破坏力最大的气象灾害,加强高原雪灾变化特征及驱动力研究,对藏区防范气候风险和生态风险具有着重要意义。本文利用1978—2014年青藏高原72站冬半年（10月—翌年3月）积雪深度和积雪日数定义了雪灾发生的指标,分析了雪灾变化特征,采用广义平衡反馈分析与主成分分析（GEFA-EOF）相结合的最优反馈模分析方法,探讨了雪灾频数与海温异常模态的反馈关系,揭示了关键区域海温异常对高原雪灾变化的相对贡献及影响机制,并采用ECHAM5模式敏感性试验,进一步证实了海温对高原雪灾的反馈作用,主要结论如下:（1）1978—2014年,青藏高原冬半年降雪量表现出区域性差异,高原西南及东南部降雪量减少,其它地区增多。冬半年高原平均气温在零度以下,为-4.0℃。积雪日数总体减少,平均积雪深度无明显线性趋势变化,雪灾频数主要表现为显着7a的准周期性振荡。（2）冬半年青藏高原雪灾频数自北向南增加,高值区主要集中在喜马拉雅山脉北坡及嘉黎地区,累计发生雪灾80～105次,青海西北部及东部农业区在10次以下。多雪灾年,对流层中高层,极地至亚洲中高纬地区高度场整体偏低,亚欧中高纬位势高度异常自西到东呈现“+-+”配置,为典型两脊一槽型,乌拉尔山槽区引导冷空气南下,高原上空为异常中心,中低层,高原上为异常气旋性环流,加之贝湖附近异常反气旋影响,西北太平洋的东风湿润气流和孟加拉湾异常反气旋顶部西南偏西暖湿气流在高原上空辐合,降雪量增多;少雪灾年,亚欧中纬地区自西到东呈现“-+-”配置,为典型两槽一脊型,青藏高原受脊前西北气流系统控制,无明显水汽输送至高原地区,降雪量减少。（3）冬半年,高原雪灾频数与热带海表温度异常有显着的统计关联。GEFA诊断显示赤道中东太平洋El Ni（?）o型（TP1）海温异常和热带印度洋海温偶极子模态（IOD）对雪灾频数变化的贡献在45%以上,其中TP1贡献为23.8%。当赤道太平洋或热带印度洋SSTA有TP1或IOD型正位相的海温强迫时,雪灾频数分别增加3.6、3.9次。El Ni（?）o发生时,对流层中高层“+-+”环流形式加强,中高纬乌拉尔山地区为异常高压,贝湖以北及我国均为异常低值区,西北太平洋面上存在异常高值中心,东亚大槽偏弱、偏西,高原西部存在低值中心。IOD正位相时,中低层的水汽输送加强:欧亚大陆中高纬为异常反气旋,伊朗高原至我国东部为异常气旋,西北太平洋湿润东风气流在中高纬异常反气旋作用下进入高原北部,阿拉伯海暖湿气流在南海-孟加拉湾-印度洋异常反气旋作用下经伊朗高原输送至高原南部,高原上空水汽增加,对流加强;两关键海域的共同作用,促使气流在高原辐合,利于高原降雪发生。（4）ECHAM5模式敏感性试验结果表明,赤道中东太平洋El Ni（?）o型海温异常在对流中高层强迫一Rossby波列,位势高度异常从热带太平洋向北到中纬度太平洋,向西到东亚大陆,再到印度半岛为正-负-正-负的环流型态,其与控制降雪多年的环流异常型相似。这样的环流型使东亚大槽减弱,东亚异常反气旋南侧的异常东风与来自北印度洋偏南风在高原辐合,有利于降雪发生。印度洋偶极子型正位相海温异常强迫作用,使对流层中高层,来自西伯利亚异常反气旋东侧的干冷空气与西北太平洋异常东风的湿润气流进入高原,易在高原产生降雪。
张润宇[5]（2020）在《热带气旋多元回归与机器学习方法研究》文中研究指明热带气旋是影响我国的主要灾害性天气系统之一。提高热带气旋的研究和预报水平,对我国经济发展和国防建设具有重要意义。近些年,对于热带气旋路径的客观预报水平有了显着的提高,但其强度预报提升幅度较小。生成频数等长期变化预测不确定性依然很大,目前仍是学者们关注的重点。影响热带气旋生成频数的物理机制复杂,2018年8月共有9个热带气旋生成,相比气候态数量明显偏多。本文利用统计分析方法,对影响显着的物理因子进行分析,表明2018年8月相关区域850 h Pa相对涡度与多年平均值最大正距平达0.25×10-4/s,600 h Pa相对湿度高于多年平均值8%-10%,成为生成频数异常偏多的主要原因。这和西北太平洋副热带高压位置特征、北印度洋至我国南海大范围海域西风异常、南海海域经向风异常、水汽通量异常,以及季风槽的位置相关。本文通过对1979-2018年强度突变热带气旋统计分析,发现热带气旋最易发生快速增强的区域为15°-20°N、125°-135°E之间的菲律宾以东海域。在此区域中挑选出快速增强的热带气旋,首次利用逐小时分辨率海温数据,采用海温区域累积的方法,发现该海温数据在其对强度影响的研究时更具有优势,和强度的相关系数超过0.94。区域累计是研究海温和强度关系的工作中更合理的方法。区域累计海温值相比中心瞬时海温值和中心风速的相关关系更好,相关系数达到0.8以上,可应用到其他物理因子的分析中。基于美国NCEP/NR1再分析数据,提取热带气旋经过区域的大气因子、海洋因子、下垫面因子,以及气旋自身位置、移速等物理因子,并将上述因子的过去12小时变化量共同作为自变量,采用多元线性回归方法建立热带气旋强度统计预报模型,选择美国NECP/GEFS预报数据,对2016年所有热带气旋及强度较强气旋的强度及未来12小时中心最大风速变化值进行预报,并与GEFS预报结果对比。统计模型对热带气旋中心最大风速的预报效果优于GEFS结果,尤其对极值的预报更准确。相关系数超过0.5,均方根误差最大可减小7-8m/s。应用随机森林算法,用同样的数据资料对热带气旋强度预报进行学习,来考察该机器学习方法的适用性,尝试对数值预报结果进行改进。发现随机森林的机器学习方法对于热带气旋强度的预报能力较好,均较GEFS结果有所改善。随机森林机器学习方法对于热带气旋未来12小时变化预报的均方根误差大多保持在6-7m/s之间,相关系数达到0.6。对风速的预报结果相关系数为0.5-0.6,均方根误差最大可减小6-7m/s。为对比机器学习方法和统计方法的预报效果,选取2015-2016年热带气旋强度为样本数据,对2018年热带气旋24、48、72小时强度开展预报。结果显示统计模型和机器学习对2018年24小时、48小时及72小时风速变量的预报结果相对GEFS预报结果均有很好的改善,其中机器学习的效果优于统计模型回归拟合的效果,但最终的预报误差均为统计模型略偏小。将机器学习方法和统计模型相融合后,24小时及72小时预报效果改进更为明显。在风速变量24小时预报中,最优预报结果相比较GEFS预报结果提升44.6%;在风速变量48小时预报中,最优预报结果相比较GEFS预报结果提升31.9%;在风速变量72小时预报中,最优预报结果相比较GEFS预报结果提升26.9%。分析发现,半径、初始风速、500h Pa涡度、200h Pa散度、相对湿度以及与海温相关的因子为影响热带气旋强度最高的因子,这些因子通过影响积雨云的维持和热量的释放,影响气旋内部和外界的质量输送,从而影响水汽、热量的来源以及气旋暖心结构,最终影响热带气旋的强度。预报误差主要由热带气旋预报位置偏差、影响因子值大小和空间分布的预报偏差造成。
冉明衢[6]（2020）在《基于GIS的南海FPSO避台航线规划》文中研究指明石油作为经济发展中不可或缺的能源,是各国持续发展所必须的重要战略资源。我国南海地区蕴藏着十分丰富的油气资源,随着内陆油田的产量减少,“深水大庆”的战略目标应运而生。在国家政策资金的扶持下,南海深海油田的发展规模也会再上一个新台阶。南海地区位于全球热带气旋活动最频繁的西北太平洋区域,活跃于该地区的热带气旋常常会对深海石油开采业造成严重影响。在每年的台风季节,南海油田作业区都需要花费的大量人力物力在避台工作上。浮式生产储油卸油装置（FPSO）作为深海石油开采业中不可或缺的一环,对国家经济发展有着重要战略意义。所以分析南海地区热带气旋时空分布特征,研究针对南海FPSO的避台措施方案,对保障深海油田安全作业有着巨大的现实意义。基于上述背景,本文展开了基于GIS的南海FPSO避台航线规划的研究。本文通过对历史热带气旋的时空特征统计分析和路径分类,结合南海FPSO现状,利用线密度分析方法划分各类热带气旋下南海FPSO的避台安全区域,总结了针对FPSO的避台航线规划方案,为南海FPSO的避台工作提供辅助决策支持。本文对南海FPSO避台航线规划研究的主要内容如下:1)建立南海地区热带气旋路径数据库;2)对1949-2018年南海地区热带气旋数据进行统计分析;3)对1949-2018年南海FPSO警戒区热带气旋数据进行统计分析;4)基于K-means聚类算法对南海地区热带气旋进行路径分类;5)划分不同热带气旋路径分类下的避台安全区域;6)讨论南海FPSO应对不同路径分类的热带气旋时的避台航线规划。南海FPSO避台安全区域主要分布在12°N以南海域和129.5°E以东海域。对于第一、第二和第四类热带气旋,南海FPSO应向南航行进入南部安全区域。对于第三和第五类热带气旋,南海FPSO应根据热带气旋的生成源地选择南部安全区域或者东部安全区域。
史文茹[7]（2020）在《基于CWRF的中国近海热带气旋频数集合模拟研究》文中进行了进一步梳理热带气旋是我国沿海夏季遭遇最多的灾害性天气之一,因此热带气旋活动的气候模拟一直是我国气候预报的重要内容。新一代区域气候模型CWRF因其出色的气候模拟技术正开始在中国被推广应用,本研究尝试利用CWRF对中国近海热带气旋的季节、年际变化开展集合模拟研究,以期为CWRF用于热带气旋的季节预测提供参考。研究使用区域气候模式CWRF（regional Climate-Weather Research and Forecasting model）在30公里网格上对1982年至2016年发生在中国近海的热带气旋进行一次集合模拟并与ERI再分析资料、控制试验的结果进行比较。分析不同参数化方案对模拟结果的影响并结合环境场讨论该影响出现的原因。模拟由欧洲中心（ECMWF）的ERI再分析资料驱动,共包括28个物理参数化方案,热带气旋观测数据采用联合台风预警中心（JTWC）发布的最佳路径数据,使用GFDL实验室开发的涡旋追踪器（Vortex Tracker）追踪模拟结果中的热带气旋,环境场观测数据采用美国NCEP/NCAR的CFSR再分析资料。主要的研究结果:（1）CWRF模拟的表现:CWRF模型的动力降尺度技术与侧边界处理办法能显着提高ERI的热带气旋频数模拟能力,且集合内各方案综合表现较好,表明CWRF可以开展热带气旋频数的集合模拟。（2）集合模拟的结果:集合平均结果整体优于控制试验的热带气旋频数模拟结果,尤其是对年际变化的模拟,其平均季节变化结果与控制试验的结果相似。通过集合平均模拟能够减少单方案结果的不确定性,并提高模式的热带气旋频数模拟能力。（3）不同参数化方案对模拟结果的可能影响:辐射方案CAM对热带气旋频数的多年平均季节变化和年际变化的模拟能力较好,辐射方案RRTMG对年际变化异常的模拟能力较强,对集合结果提高有帮助;积云方案BMJ、NSAS,微物理方案Lin和辐射方案RRTMG对8月热带气旋频数模拟结果较好,可开展夏季8月的集合模拟。（4）环境场模拟的影响结论:7月西太副高偏西,850h Pa环流异常偏弱不利于热带气旋活动;8月西太副高偏东（西）和850h Pa环流异常偏强（弱）均有利于热带气旋活动;9月,850h Pa环流异常偏南,范围偏小,不利于热带气旋活动;10月的环境场偏差不是导致热带气旋频数误差的主要原因。
季倩倩[8]（2020）在《近40年西北太平洋登陆热带气旋强度变化特征研究》文中认为热带气旋（Tropical Cyclones,TCs）是地球上最具毁灭性和最常见的灾难之一,其带来的灾害在过去几十年有增加的趋势。因此,研究热带气旋强度变化有助于深入认识其活动规律,对提高热带气旋预报准确度、减小灾害影响具有重要意义。本文利用JTWC（Joint Typhoon Warning Center）热带气旋最佳路径资料以及ERA-Interim再分析数据,系统研究了近40a西北太平洋登陆台风的强度变化特征。研究表明西北太平洋登陆热带气旋频数虽然在近40a变化不大,但登陆热带气旋的登陆强度（Land-falling Intensity,LFI）、生命期最大强度（Lifetime Maximum Intensity,LMI）、破坏性潜力（由能量耗散指数表示,Power Dissipation Index,PDI）在过去四十年分别增大了8%,9%和33%;不同月份的登陆热带气旋活动差异也很大,西北太平洋登陆热带气旋集中发生在7-11月,占全年的80%以上,在此期间登陆热带气旋的综合强度也相对较大。另外,登陆热带气旋的强度突变更可能发生在较强的系统中,快速加强（RI）和快速衰减（RD）情况在TYs中发生最频繁,且大多数以15-20m s-1的?V24范围增强,或以-15--20 m s-1的?V24衰减。菲律宾群岛以东（10°-15°N,130°E）是RI发生最频繁的地区,而在中国南海很少发生此类事件。对西北太平洋登陆台风LMI的趋势分析发现:登陆台风LMI在2002年发生了突变,P2时期（2002-2018）台风LMI明显增强,主要是由于两个时期不同强度级别台风的相对比例发生调转所致,近十几年来第4-5类台风比第1-3类台风相对更频繁地发生。此外,我们发现登陆台风LMI的增强也可归因于P2时期RI类台风（有79%是CAT4-5强度的强台风）频数增多,LMI增大。同时,未发生快速加强（non-RI）类台风（有91%是CAT1-3强度的弱台风）数量减少,而台风总数保持不变。进一步研究表明RI类台风生成频数显着增多的原因是有利于台风生成和强化的主要发展区域的西移,这样RI类台风登陆的可能性增大。需要注意的是,近几十年以来在WNP生成的登陆台风中不仅强台风数量在增多,强度也在变大,这种强度的极端变化对东亚及东南亚沿海地区带来的威胁将会增大。在当前气候变暖背景下,近几十年来WNP海盆RI类登陆台风LMI显着增强,这一增强趋势主要受P2时期TCHP（Tropical Cyclone Heat Potential）的增大的影响,可能通过有效地抑制台风自身引起的海洋降温而对台风强化发展做出正的贡献。另外中层相对湿度的增大、以及减小的垂直风切变均有利于台风生成及强化;位势高度的变强也解释了更多RI类台风的生成。自20世纪末期以来,上层海洋整体变暖,其大小足以维持正的SSTA（Sea Surface Temperature Anomalies）并提供额外的能量来保持对台风强化发展有利的TCHP正异常。同时,正的SSTA驱动大尺度环流异常,进而为台风强化发展创造了有利的大气条件。
吴祖立[9]（2020）在《热带气旋对浙江嵊泗海洋牧场重要生境的影响研究 ——以典型热带气旋事件为例》文中研究表明海洋牧场的建设对海洋生物资源养护、改善海洋生态环境起到重要作用。嵊泗马鞍列岛海洋牧场是浙江省的第一批国家级海洋牧场示范区之一,现已建设人工鱼礁16.475万空方,形成海藻场30 hm2。嵊泗海洋牧场海域环境优越,利于贻贝生长,该海域现有1487 hm2的贻贝筏式吊养养殖规模。嵊泗海洋牧场中海藻场和体量巨大的贻贝养殖人工生境为临近海域生物营造了索饵与育幼场所,在嵊泗海洋牧场中具有重要的增殖和生态养护功能,是嵊泗海洋牧场的重要生境。浙江沿海是热带气旋的频发区域,热带气旋产生的强对流气旋对途径海域上层的生源物质乃至海洋生物的时空分布施加重要的影响,而位于浙江东北部沿海的嵊泗马鞍列岛海洋牧场遭遇的热带气旋特征和受灾程度却罕有报道。本论文将尝试探明进入浙江沿海及嵊泗海洋牧场海域热带气旋的时空分布特征,评价嵊泗海洋牧场海洋环境和生物资源对不同热带气旋事件的响应特征,分析热带气旋引起的嵊泗贻贝养殖设施的损毁程度,探讨热带气旋影响下嵊泗马鞍列岛海洋牧场贻贝养殖适宜区,以期为嵊泗海洋牧场人工生境防灾减灾与建设提供参考。本研究利用中国气象局提供的2000～2018年热带气旋最佳路径资料,分析影响浙江热带气旋的发生时间、移动路径和强度分布等特征及其变化规律。结合风浪流环境因子的实测和遥感数据,分析热带气旋对嵊泗海洋牧场海域风场、有效波高和海流的变动规律,建立风浪联合分布概率模型,筛选出嵊泗海洋牧场典型的热带气旋事件。针对典型热带气旋事件,分析“海葵”作用下对枸杞岛大型底栖海藻场环境变动和大型底栖生物的空间分布特征规律;分析热带气旋事件对嵊泗贻贝养殖海洋环境场、养殖区位及面积的影响程度,判别影响贻贝养殖最严重的热带气旋类型和特征。结合研究海域历史热带气旋移动路径和环境因子统计特征、马鞍列岛贻贝养殖区位多年变化结果、马鞍列岛底质类型和岛屿地理分布特点,提出马鞍列岛的贻贝养殖区位选择的建议。本研究的主要结果如下:（1）19年间影响浙江的热带气旋共有77个,对其移动路径可分为4类型,其中以D类型热带气旋数量最多,其次是A类型热带气旋。研究时期内年均热带气旋频数约有4个,年最大热带气旋数为7个,年最小热带气旋数为2个。7～9月是浙江热带气旋盛行期,8月热带气旋活动数量最多。19年间影响浙江的热带气旋总ACE值为213.09×104 m2/s2,年均ACE值为（12.53±0.11）×104 m2/s2。热带气旋月ACE值具有季节性变化,5月起ACE值逐月递增,8月达最大值。影响区热带气旋活动最为活跃、能量较大的月份为9月。影响嵊泗海洋牧场海域的热带气旋应归属A类型和D类型移动路径,且活动时间发生在8～9月期间为主。（2）D类型热带气旋对嵊泗海洋牧场风速的影响范围最广,影响强度最大,其次是A类型热带气旋,B和C类型热带气旋影响小。随着热带气旋中心距嵊泗海洋牧场越近,有效波高呈逐渐增大趋势,且波向由南转东北向变化。海流分布在热带气旋影响时和无热带气旋影响时是存在差异的,但各类型热带气旋下差异不显着,且由各站点间平均流速的变化分析,同一站点的平均海流和流向在各类型热带气旋下的无较大差别。热带气旋中心与嵊泗马鞍列岛海域间平均距离和对应的风速和有效波高均值具有显着线性关系。嵊泗海洋牧场海域在热带气旋活动过程中导致的极值风速与有效波高分布符合Gumbel联合概率分布模型。嵊泗海洋牧场自2000年后,经历最强热带气旋是“梅花”,据风速和有效波高的联合累积概率模型演算,“梅花”的产生的风浪重现期是11.20年,“梅花”是高于“十年一遇”的强热带气旋。（3）受“海葵”影响,枸杞岛附近海域最大风速20 m/s,风力达9级水平,风向东东南—东南东向。在“海葵”产生的台风浪作用下,枸杞岛南面站点暴波强度大于北面站点。垂直水深分布上,随着水深的增加,暴波强度指数呈减弱趋势,水下0～1 m水深处暴波强度指数最大,水下4～5 m水深处最小。“海葵”活动没造成枸杞岛大型底栖海藻种类组成变化,但优势种和主要种海藻的生物量分布随暴波强度指数的增大而减小。选取分析的4种广温种海藻（网地藻、鸭毛藻、叉珊藻和珊瑚藻）的生物量受“海葵”影响的程度,与其所处底质环境和形态构造有关。“海葵”活动对布尔小笔螺、寄居蟹和钩虾等非固着的生物比例影响较大,受台风的影响,生物丰度短期内下降明显。由“海葵”造成的0～3 m浅水区暴波强度指数大,风浪作用强度大,导致大型底栖动物丰度和种类组成数量下降的同时,海藻也会凋落成为碎屑沉积物,“海葵”后HSD站点的多毛类和甲壳类营腐食动物丰度增大。热带气旋产生的风浪可能对位于0～3 m浅水区的浮筏养殖贻贝造成损毁。（4）根据风浪联合累积概率分布模型和气旋距离与嵊泗海洋牧场风速、有效波高回归关系式,筛选出11个热带气旋与2007～2018年历史记载的嵊泗贻贝养殖中热带气旋灾害事件（2010年后）吻合率达71.43%,其中D类型的热带气旋均对嵊泗贻贝养殖造成损失。不同移动路径和强度的热带气旋造成的损毁程度不同,距离近能量大的“梅花”产生的东北向大风和台风浪,使得嵊泗贻贝养殖区出现大面积变形损毁;距离远能量小的“泰利”产生东南向风浪仅对枸杞岛东南面养殖区造成损毁。A类型热带气旋的路径分布均距马鞍列岛200～350 km的范围,对嵊泗贻贝养殖区损毁程度小。D类型热带气旋中心距离研究海域近且强度大,以台风强度为主,当贻贝育成期遇上该类热带气旋,会导致嵊泗贻贝重大损失。（5）8～9月为嵊泗贻贝的营收关键时期,结合历史上养殖区出现的A、D类型热带气旋的活动情况和环境特征变化与养殖区面积分布的变化分析,可判断对嵊泗贻贝养殖区养殖设施破坏性较大的热带气旋应为移动路径途经马鞍列岛东南面的D类型热带气旋。仅基于马鞍列岛海域贻贝养殖区的空间拓展,根据D类型热带气旋类型产生的风、浪、流,马鞍列岛海域的底质类型、水深和航道功能区划等的分布状况,本文提出绿华岛、花鸟岛、蝴蝶岛、张其山岛和三横山岛等弧岛链海域的选址建议。潜在养殖区面积有228 hm2,基于历史产量和产值变化,潜在养殖区预期可年增产贻贝约2.45万t,将创产值约6858.62万元。
谭金凯[10]（2020）在《基于HadRM3P模式与机器学习预估气候变化下台风活动》文中进行了进一步梳理在气候变化背景下,全球台风活动将发生显着的变化。目前,探讨气候变化对台风活动影响的相关研究主要依赖于全球模式（GCM）和动力降尺度产品,但考虑到GCM对未来气候情景预估的不确定性、降尺度产品过粗的分辨率以及在降尺度过程中产生偏差等缺陷,因此运用降尺度产品预估未来情景下的台风活动也必然存在较大的偏差。除此之外,采用区域气候模式（RCM）预估台风活动,最大的问题在于预估的台风强度远小于观测值,并且对台风频数、路径和降水的预估均存一定的缺陷,这给气候变化对台风活动影响的评估工作带来极大的挑战。近年来,机器学习技术在台风研究中有初步的应用,尤其是该技术通常作为台风预报的辅助性工具。但是,结合降尺度产品与机器学习技术探讨气候变化背景下的台风活动这方面的研究仍然较为薄弱,为了充分发挥两者的优势,本文运用HadRM3P模式与机器学习预估西北太平洋的台风活动,并针对模式预估的台风进行相应的偏差订正,最终量化不同的气候增暖情景对台风活动的具体影响。研究成果以期为科学合理地探讨气候变化下的台风活动提供新的方法参考。本文具体研究内容和结论包括:（1）首先利用再分析资料ERA-Interim驱动HadRM3P模式,评估模式对西北太平洋历史观测台风的模拟能力。结果显示,模拟的台风频数较接近观测值,但模式缺乏对台风强度的模拟能力（最大风速仅为48 m/s）。模式中台风路径有北偏的趋势,并且南海区域有较活跃的台风活动,本文认为这与模式模拟的大尺度环境场有关,其中副热带高压位置偏东、强度偏弱,南海区域的正涡度面积偏大,西南季风偏强,东风气流偏弱。另外,选择国际耦合比较计划CMIP5中的环流模式HadGEM2-ES驱动HadRM3P,预估在RCP4.5和RCP8.5情景下的台风活动。结果发现两个情景的台风年际频数均低于历史基准时段,而RCP8.5情景的台风频数也低于RCP4.5情景,但由于模式没能模拟出强度均大于50 m/s的台风,因此尚未能判断出在气候变化情景下强台风频数的变化情况。（2）由于原本的台风路径追踪技术检测到几类异常的台风:较短生命史的台风、具有多个低压中心的台风、初始时刻强度较大的台风、路径发生截断的台风。鉴于此,本文构建新的路径追踪算法:梯度提升树（GBDT）,并考虑台风的气候学因子、天气学因子以及台风运动的持续性因子。结果显示,新的追综算法很大程度上减少对以上几类异常台风的检测,总体上台风年际频数减少了47个,台风平均生命史延长约2天。进一步分析还表明,在RCP4.5和RCP8.5两种温室气体排放情景下,台风年际生成频数相比历史基准阶段并没有明显的“增加”或“减少”趋势,显然,这与原本路径追踪算法中“RCP情景的台风频数相比历史基准的频数有减少趋势”这一结论有所不同之处。（3）HadRM3P模式预估的台风强度严重偏小,这也是诸多RCM面临的难题之一。本文构建一套以机器学习为基础的台风强度偏差订正模型,集成了偏最小二乘法、BP神经网络、支持向量机、随机森林多种机器学习算法,选择与台风活动有密切联系的天气学因子作为建模因子,包括:空气温度、海表面温度、比湿、水汽通量等热力学因子,以及相对涡度、水平散度、纬向风速、10m风速、位势高度、环境风垂直切等动力学因子。结果表明,模型对不同强度等级的台风有不同程度的订正幅度,这使得热带低压、热带风暴的频数大幅度减少,解决了HadRM3P模式“不能模拟出强度大于50 m/s的台风”这一难题。进一步比较还表明:气候变化背景下强台风频数仅有略微的增加趋势。（4）HadRM3P模式对台风降水的模拟也有一定的偏差,体现在暴雨以下等级的台风降水小于历史观测的降水,而暴雨以上等级的台风降水则大于历史观测的降水。本文建立基于极限梯度提升器（Xgboost）的台风降水偏差订正模型。从订正的结果来看,在RCP4.5情景下,21世纪中期和后期的台风降水相比历史基准时段都有增加的趋势;而在RCP8.5情景下,21世纪中期的台风降水相比历史基准时段有增加的趋势,但后期的台风降水则有大幅度减少趋势。（5）构建台风的潜在强度指数（MPI）、台风潜在生成指数（GPI）与台风累积气旋能量指数（ACE）。从台风MPI来看,在气候持续增暖条件下,不同档位的海表面温度（SST）对台风强度的影响截然不同:在SST小于27℃的环境里,气旋强度随着SST的升高而明显增强;相反,在SST大于27℃的环境里,气旋强度随着SST的升高而有略微下降趋势。从台风GPI来看,不同浓度的温室气体排放情景下台风频数变化也有差异,其中RCP4.5情景下21世纪中期和后期的台风频数差异不明显,而RCP8.5情景下21世纪中期的台风频数远大于后期。台风GPI与台风实际生成频数在不同浓度温室气体排放情景、或不同时间段里,两者都有较好的对应关系。研究还发现,过高的SST未必会导致更强的MPI,也未必能产生更高的台风GPI。从台风ACE分析,随着SST的不断升高,相应的台风ACE并没有表现出升高趋势。本文认为,气候增暖对西北太平洋台风活动的影响,并不仅仅通过SST的升高来体现;相反,与台风活动有密切关系的大尺度环境、水汽条件、中尺度扰动等条件,也是重要的影响因素。
二、影响上海地区热带气旋频数的预测水平评估（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、影响上海地区热带气旋频数的预测水平评估（论文提纲范文）
（1）全球变暖背景下中国东南沿海地级市热带气旋及其经济损失演变趋势（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究进展 |
| 1.3 研究内容与技术路线 |
| 第二章 研究区概况、数据与方法 |
| 2.1 研究区概况 |
| 2.2 研究数据 |
| 2.3 研究方法 |
| 第三章 1984-2019年热带气旋变化 |
| 3.1 频次特征 |
| 3.2 强度特征 |
| 3.3 登陆位置 |
| 3.4 本章小结 |
| 第四章 1984-2019年热带气旋的经济损失评估 |
| 4.1 时间特征 |
| 4.2 空间分布特征 |
| 4.3 本章小结 |
| 第五章 2020-2050年热带气旋变化 |
| 5.1 频次特征 |
| 5.2 强度特征 |
| 5.3 登陆位置特征 |
| 5.4 本章小结 |
| 第六章 2020-2050年热带气旋的经济损失预估 |
| 6.1 经济暴露度预估 |
| 6.2 损失变化特征 |
| 6.3 本章小结 |
| 第七章 结论与展望 |
| 7.1 主要结论 |
| 7.2 创新点 |
| 7.3 展望 |
| 参考文献 |
| 个人简历 |
| 致谢 |
（2）IPO-BT模态及其对影响热带气旋活动的环流变化研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究目的和意义 |
| 1.2 全球大气遥相关的研究进展 |
| 1.2.1 北半球的基本遥相关型 |
| 1.2.2 夏季影响西北太平洋的遥相关型 |
| 1.2.3 影响大气环流和温度变化的主要自然模态 |
| 1.2.4 全球变暖背景下大气环流的观测和模拟研究 |
| 1.3 影响西北太平洋热带气旋活动的大尺度环流系统 |
| 1.3.1 影响热带气旋活动的四大环流系统 |
| 1.3.2 全球变暖背景下热带气旋的活动特征 |
| 1.4 本文拟解决的科学问题 |
| 1.4.1 影响最近四十年全球大气环流变化的模态特征 |
| 1.4.2 自然变率对西北太平洋地区大尺度环流系统变化的影响 |
| 1.4.3 评估CMIP6 气候模式对北半球和西北太平洋区域大气环流的模拟能力 |
| 1.5 本研究主要内容 |
| 第二章 资料与方法 |
| 2.1 研究资料和模式试验设计 |
| 2.1.1 多套现代再分析资料和海温等资料 |
| 2.1.2 古气候代用资料和两套全球古气候重建资料 |
| 2.1.3 五套大型集成耦合地球系统模式 |
| 2.1.4 CMIP5和CMIP6 模式 |
| 2.2 模式试验设计 |
| 2.2.1 热带海温对全球大气环流的驱动试验 |
| 2.2.2 西北太平洋大气环流对热带海温的响应试验 |
| 2.3 主要方法介绍 |
| 2.3.1 双线性插值方法 |
| 2.3.2 经验正交函数分析(EOF) |
| 2.3.3 最大协方差分析(MCA) |
| 2.3.4 波作用通量计算 |
| 2.3.5 谱分析 |
| 2.3.6 相关系数和显着性检验的有效自由度 |
| 2.3.7 指纹模型方法(Fingerprint) |
| 2.3.8 减弱外部强迫对全球影响的方法 |
| 2.3.9 自组织映射神经网络方法(SOM) |
| 2.3.10 历史代用记录在LMR2 的资料质量评估 |
| 第三章 影响全球大气环流的重要遥相关型:IPO-BT |
| 3.1 本章引言 |
| 3.2 近四十年全球环流和温度变化趋势 |
| 3.2.1 观测分析 |
| 3.2.2 模拟研究 |
| 3.3 影响全球大气环流的重要模态:IPO-BT |
| 3.3.1 主导近四十年全球大气变化的主模态 |
| 3.3.2 近百年大气环流的重要内部模态:IPO-BT |
| 3.3.3 过去400 年中存在IPO-BT |
| 3.3.4 评估百年以上资料的可靠性 |
| 3.3.5 过去2000 年存在的IPO-BT |
| 3.4 检验IPO-BT的真实性 |
| 3.4.1 直接证据:千年历史代用资料 |
| 3.4.2 重建资料验证:LMR2和CCSM4 |
| 3.5 本章小结 |
| 第四章 影响西北太平洋热带气旋的环流系统变化特征 |
| 4.1 本章引言 |
| 4.2 北半球夏季重要环流模态:IPO-BT |
| 4.2.1 IPO-BT的季节性变化 |
| 4.2.2 IPO-BT对中亚“偶极子”模态的影响 |
| 4.3 中亚环流影响下的南亚高压变化 |
| 4.3.1 自然变率对中纬度环流的调制作用 |
| 4.3.2 南亚高压环流的响应 |
| 4.4 IPO-BT对西北太平洋环流系统的影响 |
| 4.4.1 季风槽不同周期的变化模态 |
| 4.4.2 季风槽不同模态与洋中槽的关系 |
| 4.5 本章小结 |
| 第五章 CMIP6 气候模式对大尺度环流的模拟分析 |
| 5.1 本章引言 |
| 5.2 全球环流模态模拟评估 |
| 5.2.1 冬季模态:PNA |
| 5.2.2 夏季模态:IPO-BT |
| 5.2.3 气候模式局限性的原因分析 |
| 5.3 西北太平洋四大环流系统的历史模拟 |
| 5.3.1 南亚高压和洋中槽 |
| 5.3.2 季风槽和西太平洋副热带高压 |
| 5.4 本章小结 |
| 第六章 结论与讨论 |
| 6.1 主要结论 |
| 6.2 本文特色和创新点 |
| 6.3 存在的问题和不足 |
| 参考文献 |
| 作者简介 |
| 致谢 |
（3）南海珊瑚礁区海表风速时空变化及热带气旋影响分析（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究意义 |
| 1.3 研究进展 |
| 1.3.1 南海的海表风速研究进展 |
| 1.3.2 南海的热带气旋研究进展 |
| 1.4 研究内容与技术路线 |
| 1.4.1 研究内容 |
| 1.4.2 技术路线 |
| 第二章 研究区域、研究数据与研究方法 |
| 2.1 研究区域 |
| 2.2 研究数据 |
| 2.2.1 海表风速 |
| 2.2.2 海表温度 |
| 2.2.3 El Ni(?)o3.4 指数 |
| 2.2.4 水深 |
| 2.2.5 最佳路径数据集 |
| 2.3 研究方法 |
| 2.3.1 经验正交函数分析法 |
| 2.3.2 风速剖面模型 |
| 2.3.3 热带气旋等级 |
| 2.3.4 评价南海珊瑚礁区受热带气旋影响的方法 |
| 第三章 南海珊瑚礁区SSW变化特征 |
| 3.1 SSW年平均变化特征 |
| 3.2 SSW季平均变化特征 |
| 3.3 SSW月平均变化特征 |
| 3.4 SSW与 SST变化特征对比 |
| 3.5 本章小结 |
| 第四章 南海珊瑚礁区SSW的 EOF分析结果 |
| 4.1 SSWA时空变化特征 |
| 4.2 纬向风时空变化特征 |
| 4.3 经向风时空变化特征 |
| 4.4 风速对珊瑚礁区的影响途径 |
| 4.5 本章小结 |
| 第五章 南海珊瑚礁区热带气旋时空变化特征 |
| 5.1 西北太平洋各等级热带气旋年变化 |
| 5.2 南海热带气旋变化特征 |
| 5.3 影响南海珊瑚礁区的热带气旋变化情况 |
| 5.4 热带气旋对南海珊瑚礁区的影响程度 |
| 5.5 热带气旋对珊瑚礁的影响途径 |
| 5.6 本章小结 |
| 第六章 结论与展望 |
| 6.1 主要结论 |
| 6.2 创新点 |
| 6.3 不足与展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表论文情况 |
（4）青藏高原雪灾频数变化及其对海温异常强迫的响应（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究目的及意义 |
| 1.2 国内外研究进展 |
| 1.3 问题的提出 |
| 1.4 主要研究内容 |
| 1.5 各章内容安排 |
| 第二章 资料和方法 |
| 2.1 研究区域概况 |
| 2.2 资料 |
| 2.3 技术方法 |
| 第三章 青藏高原雪灾影响要素的气候变化事实 |
| 3.1 引言 |
| 3.2 气温时空变化特征 |
| 3.3 降水时空变化特征 |
| 3.4 积雪时空变化特征 |
| 3.5 本章讨论与小节 |
| 第四章 青藏高原雪灾指数及其变化特征 |
| 4.1 引言 |
| 4.2 雪灾指数定义 |
| 4.3 雪灾变化趋势及区域性差异 |
| 4.4 典型多、少雪灾年份异常环流合成分析 |
| 4.5 本章讨论及小结 |
| 第五章 海温异常对雪灾变率强迫作用的诊断 |
| 5.1 引言 |
| 5.2 海温强迫场的选取 |
| 5.3 雪灾频数对海温强迫作用的GEFA响应 |
| 5.4 关键SSTA模影响雪灾生成的可能过程 |
| 5.5 本章小结及讨论 |
| 第六章 海温异常对雪灾异常影响的敏感性试验 |
| 6.1 引言 |
| 6.2 模式对大气环流模拟能力的评估 |
| 6.3 试验设计 |
| 6.4 海温异常对青藏高原雪灾异常的强迫效应 |
| 6.5 本章小结及讨论 |
| 第七章 总结与展望 |
| 7.1 主要结论 |
| 7.2 特色及创新点 |
| 7.3 问题与展望 |
| 参考文献 |
| 作者简介 |
| 致谢 |
（5）热带气旋多元回归与机器学习方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 引言 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究进展 |
| 1.2.1 热带气旋生成的研究现状 |
| 1.2.2 热带气旋强度变化的影响因子研究现状 |
| 1.2.3 热带气旋强度预报方法研究现状 |
| 1.2.4 机器学习方法在气象领域应用的研究现状 |
| 1.3 研究内容及创新点 |
| 第二章 数据和方法介绍 |
| 2.1 数据介绍 |
| 2.2 R语言及回归方法介绍 |
| 2.3 随机森林机器学习方法介绍 |
| 第三章 2018年8月西北太平洋热带气旋频数异常的成因分析 |
| 3.1 引言 |
| 3.2 方法介绍 |
| 3.3 2018年8月热带气旋频数异常特征 |
| 3.4 影响热带气旋生成的各因子分析 |
| 3.4.1 整体因子分析 |
| 3.4.2 850hPa相对涡度分析 |
| 3.4.3 600hPa相对湿度分析 |
| 3.5 因子异常原因分析 |
| 3.5.1 850hPa相对涡度异常分析及对热带气旋频数影响的物理机制 |
| 3.5.2 600hPa相对湿度异常分析及对热带气旋频数影响的物理机制 |
| 3.6 结论 |
| 第四章 海温与强度的相关分析及强度预报统计模型的建立 |
| 4.1 引言 |
| 4.2 热带气旋强度快速增强的空间特征统计及海温与强度的关系研究 |
| 4.2.1 热带气旋强度快速增强的空间特征统计 |
| 4.2.2 33个快速增强热带气旋样本介绍 |
| 4.2.3 33个快速增强热带气旋强度和海温关系分析 |
| 4.3 强度预报统计模型的建立 |
| 4.3.1 强度预报因子的选择 |
| 4.3.2 强度预报统计模型的建立 |
| 4.4 与多模式集合平均强度预报结果对比检验 |
| 4.4.1 风速变率变量的预报检验对比 |
| 4.4.2 风速变量的预报检验对比 |
| 4.5 强度预报模型的进一步改进 |
| 4.6 改进后预报模型与多模式集合平均强度预报结果对比检验 |
| 4.6.1 风速变率变量的预报检验对比 |
| 4.6.2 风速变量的预报检验对比 |
| 4.7 结论 |
| 第五章 机器学习方法对强度预报的效果检验 |
| 5.1 引言 |
| 5.2 随机森林机器学习预报模型的建立 |
| 5.2.1 机器学习方法对几种不同数据风速变率变量的学习结果 |
| 5.2.2 机器学习方法对几种不同数据风速变量的学习结果 |
| 5.3 随机森林算法对不同变量的预报结果检验 |
| 5.3.1 随机森林算法对不同数据风速变率变量的预报结果检验 |
| 5.3.2 随机森林算法对不同数据风速变量的预报结果检验 |
| 5.4 结论 |
| 第六章 机器学习方法和统计方法的对比讨论 |
| 6.1 引言 |
| 6.2 随机森林机器学习和统计预报模型的建立及预报对比 |
| 6.2.1 热带气旋24小时强度预报的对比 |
| 6.2.2 热带气旋48小时强度预报的对比 |
| 6.2.3 热带气旋72小时强度预报的对比 |
| 6.3 不同预报时次的重要影响因子对比讨论 |
| 6.3.1 热带气旋24小时强度预报影响因子讨论 |
| 6.3.2 热带气旋48小时强度预报影响因子讨论 |
| 6.3.3 热带气旋72小时强度预报影响因子讨论 |
| 6.4 预报误差原因的讨论 |
| 6.5 结论 |
| 第七章 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 攻读硕士期间主要研究成果 |
| 致谢 |
（6）基于GIS的南海FPSO避台航线规划（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景和研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 GIS在气象领域上的应用 |
| 1.2.2 避台航线规划研究现状 |
| 1.3 研究内容 |
| 1.4 论文组织结构 |
| 2 1949-2018年南海地区热带气旋特征统计分析 |
| 2.1 资料与方法 |
| 2.2 南海地区热带气旋特征统计分析 |
| 2.2.1 研究区域 |
| 2.2.2 热带气旋特征统计分析 |
| 2.3 警戒区热带气旋特征统计分析 |
| 2.3.1 研究区域 |
| 2.3.2 热带气旋特征统计分析 |
| 2.4 本章小结 |
| 3 警戒区热带气旋路径分类及特征统计分析 |
| 3.1 资料与方法 |
| 3.2 基于K-means聚类算法的热带气旋路径分类 |
| 3.2.1 K-means聚类算法原理 |
| 3.2.2 聚类数据参数和K值度量准则 |
| 3.3 警戒区热带气旋路径分类 |
| 3.3.1 热带气旋路径分类实例 |
| 3.3.2 热带气旋路径分类结果 |
| 3.4 各类热带气旋的特征统计分析 |
| 3.5 本章小结 |
| 4 南海FPSO的避台航线规划 |
| 4.1 FPSO现状 |
| 4.2 各类热带气旋的路径特征 |
| 4.3 各类路径下的避台航线规划 |
| 4.3.1 南海FPSO的避台安全区域 |
| 4.3.2 南海FPSO的避台规划 |
| 4.4 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读硕士学位期间的科研成果 |
（7）基于CWRF的中国近海热带气旋频数集合模拟研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究目的与意义 |
| 1.2 热带气旋的研究进展 |
| 1.3 存在的不足和拟解决的问题 |
| 1.4 本文主要工作及章节安排 |
| 第二章 CWRF模式及资料方法介绍 |
| 2.1 CWRF模式介绍 |
| 2.2 试验设计及参数化方案介绍 |
| 2.3 热带气旋观测资料与CFSR再分析资料介绍 |
| 2.4 热带气旋追踪方法介绍 |
| 第三章 热带气旋频数的集合模拟与物理参数化方案的影响 |
| 3.1 CWRF控制试验 |
| 3.2 集合模拟试验 |
| 3.3 不同物理参数化方案的影响 |
| 3.4 本章小结 |
| 第四章 环境场模拟对热带气旋频数模拟的影响评估 |
| 4.1 CFSR再分析资料的环境场分析及JTWC热带气旋路径 |
| 4.2 控制试验环境场分析及其热带气旋路径 |
| 4.3 代表性参数化方案的模拟结果分析 |
| 4.4 本章小结 |
| 第五章 总结 |
| 5.1 全文工作总结 |
| 5.2 主要结论 |
| 5.3 特色和创新点 |
| 5.4 存在的问题及展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（8）近40年西北太平洋登陆热带气旋强度变化特征研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 热带气旋强度突变的研究现状 |
| 1.2.2 热带气旋生命期最大强度研究现状 |
| 1.3 研究内容 |
| 1.4 研究特色与创新点 |
| 1.4.1 特色 |
| 1.4.2 创新点 |
| 2 数据与方法 |
| 2.1 数据 |
| 2.1.1 热带气旋最佳路径数据 |
| 2.1.2 再分析资料 |
| 2.2 方法 |
| 2.2.1 热带气旋强度相关参量 |
| 2.2.2 热带气旋的热潜及T100 |
| 2.2.3 动态合成分析法 |
| 2.2.4 气候突变检验 |
| 2.2.5 其它统计方法 |
| 3 登陆热带气旋的气候特征 |
| 3.1 登陆热带气旋的基本特征 |
| 3.2 发生强度突变的登陆热带气旋的基本特征 |
| 3.2.1 快速增强及快速衰减热带气旋的统计特征 |
| 3.2.2 两类热带气旋的大尺度环境因子特征 |
| 3.2.3 小结与讨论 |
| 4 登陆热带气旋生命期最大强度的加强 |
| 4.1 台风LMI在近几十年的增强 |
| 4.2 LMI增强的原因分析 |
| 4.3 台风生成位置和路径的变化 |
| 5 热带气旋强度变化的大尺度环境影响机制 |
| 5.1 海洋热力条件影响 |
| 5.2 大气环境因子影响 |
| 5.3 相关物理解释 |
| 6 结论与展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
| 导师简介 |
（9）热带气旋对浙江嵊泗海洋牧场重要生境的影响研究 ——以典型热带气旋事件为例（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 引言 |
| 1.1 研究目的和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 热带气旋时空分布特征 |
| 1.2.2 热带气旋与生态环境监测评价 |
| 1.2.3 热带气旋与生物资源监测评价 |
| 1.2.4 嵊泗海洋牧场 |
| 1.2.5 海洋牧场设施选址建设 |
| 1.3 研究内容 |
| 第二章 浙江沿海热带气旋特征分析 |
| 2.1 材料与方法 |
| 2.1.1 数据采集 |
| 2.1.2 热带气旋选取标准 |
| 2.1.3 累积气旋能量指数 |
| 2.1.4 数据处理与分析 |
| 2.2 结果 |
| 2.2.1 生源地 |
| 2.2.2 移动路径类型 |
| 2.2.3 时间特征 |
| 2.2.4 强度特征 |
| 2.3 讨论与分析 |
| 2.3.1 移动路径的时空变化 |
| 2.3.2 数量和强度的时空变化 |
| 2.4 小结 |
| 第三章 热带气旋影响下嵊泗海洋牧场环境因子特征与分布模型 |
| 3.1 材料与方法 |
| 3.1.1 站点分布 |
| 3.1.2 环境因子数据 |
| 3.1.3 数据分析与检验 |
| 3.2 结果 |
| 3.2.1 风场 |
| 3.2.2 海流 |
| 3.2.3 有效波高 |
| 3.2.4 环境因子分布变化 |
| 3.2.5 气旋强度等级差异 |
| 3.2.6 风浪联合概率分布模型 |
| 3.3 讨论与分析 |
| 3.3.1 环境因子响应分析 |
| 3.3.2 风浪联合分布与贻贝养殖互助保险 |
| 3.4 小结 |
| 第四章 不同底质与水深条件下大型底栖生物对热带气旋的分布响应:以2012年11号强台风“海葵”为例 |
| 4.1 材料与方法 |
| 4.1.1 热带气旋和环境因子数据 |
| 4.1.2 大型底栖生物数据 |
| 4.1.3 优势种 |
| 4.1.4 底质特征 |
| 4.1.5 暴波强度 |
| 4.1.6 统计检验 |
| 4.2 结果 |
| 4.2.1 强台风“海葵”概况 |
| 4.2.2 “海葵”对枸杞岛环境因子的影响 |
| 4.2.3 底质特征和暴波强度 |
| 4.2.4 大型底栖海藻分布变化 |
| 4.2.5 大型底栖动物分布变化 |
| 4.3 讨论与分析 |
| 4.3.1 “海葵”扰动的影响分析 |
| 4.3.2 “海葵”对海藻生物量的影响 |
| 4.3.3 大型底栖动物对“海葵”的响应 |
| 4.3.4 海藻场养护建议 |
| 4.4 小结 |
| 第五章 热带气旋对嵊泗贻贝养殖区的损毁分析 |
| 5.1 材料与方法 |
| 5.1.1 研究区域 |
| 5.1.2 数据来源与处理 |
| 5.2 结果 |
| 5.2.1 环境变量筛选热带气旋 |
| 5.2.2 贻贝养殖变动 |
| 5.2.3 养殖变动与气旋活动关系 |
| 5.2.4 热带气旋与环境因子特征 |
| 5.2.5 养殖面积变化 |
| 5.2.6 养殖区位变化 |
| 5.3 讨论与分析 |
| 5.3.1 “梅花”与“泰利”对贻贝养殖影响分析 |
| 5.3.2 热带气旋类型对产量影响分析 |
| 5.3.3 养殖区位规划 |
| 5.4 小结 |
| 第六章 主要结论与展望 |
| 6.1 主要结论 |
| 6.2 研究创新点 |
| 6.3 存在问题及展望 |
| 参考文献 |
| 博士期间学习工作情况 |
| 致谢 |
（10）基于HadRM3P模式与机器学习预估气候变化下台风活动（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 文献综述 |
| 1.2.1 气候变化与台风生成频数的联系 |
| 1.2.2 气候变化对台风强度的影响 |
| 1.2.3 气候变化下台风的大尺度环境场 |
| 1.2.4 机器学习方法在台风研究中的应用 |
| 1.2.5 文献评述 |
| 1.3 研究目标与研究意义 |
| 1.3.1 研究目标 |
| 1.3.2 研究意义 |
| 1.4 研究内容与技术路线 |
| 1.4.1 研究内容 |
| 1.4.2 技术路线 |
| 1.4.3 章节安排 |
| 2 基于HadRM3P模式动力降尺度模拟和预估台风活动 |
| 2.1 模式主要简介 |
| 2.1.1 HadGEM2-ES全球环流模式 |
| 2.1.2 HadRM3P区域气候模式 |
| 2.2 数据来源和试验设计 |
| 2.2.1 模式驱动数据和试验设计 |
| 2.2.2 台风最佳路径数据 |
| 2.3 HadRM3P模式对历史观测台风的模拟能力(历史回报) |
| 2.3.1 台风检测和追踪标准 |
| 2.3.2 台风频数年际和季节变化特征 |
| 2.3.3 台风强度特征 |
| 2.3.4 台风路径分布特征 |
| 2.3.5 台风风速与中心气压的关系 |
| 2.3.6 台风潜在破坏力指数 |
| 2.4 HadRM3P模拟的大尺度环境场分析 |
| 2.4.1 位势高度场分析 |
| 2.4.2 垂直风切变场分析 |
| 2.4.3 相对涡度场分析 |
| 2.4.4 低层风场分析 |
| 2.4.5 对流层中层湿度场分析 |
| 2.4.6 模式对环境因子模拟的效果评估 |
| 2.5 RCP情景下HadRM3P模式对西北太平洋台风活动的预估 |
| 2.5.1 历史基准与历史观测阶段基本环流形势的比较 |
| 2.5.2 台风频数年际和季节变化特征 |
| 2.5.3 HadRM3P预估的台风路径分布特征 |
| 2.5.4 HadRM3P预估的台风生命史特征 |
| 2.6 RCP情景下HadRM3P预估的大尺度环境场分析 |
| 2.6.1 模式对位势高度场和海表面温度的预估 |
| 2.6.2 模式对湿度场的预估 |
| 2.6.3 模式对垂直风切变及相对涡度的预估 |
| 2.6.4 模式对低层气流的预估 |
| 2.7 本章小结 |
| 3 嵌入机器学习算法的台风路径追踪模型 |
| 3.1 研究背景 |
| 3.2 台风路径检测的主要建模因子 |
| 3.2.1 台风气候学因子 |
| 3.2.2 台风运动持续性因子 |
| 3.2.3 台风周围天气学因子 |
| 3.3 模型算法:梯度提升树 |
| 3.3.1 CART决策树算法 |
| 3.3.2 负梯度拟合 |
| 3.3.3 GBDT的相关参数选择 |
| 3.3.4 台风路径检测与追踪的模型设计 |
| 3.4 嵌入GBDT模型的台风路径检测 |
| 3.4.1 主要检测结果分析 |
| 3.4.2 嵌入GBDT算法后台风的主要信息 |
| 3.4.3 台风路径分布特征 |
| 3.4.4 台风终止时刻的风速 |
| 3.5 GBDT模型在历史台风路径预报中的应用 |
| 3.5.1 模型的构建 |
| 3.5.2 历史观测台风的路径分类 |
| 3.5.3 GBDT模型预报的台风定位效果 |
| 3.5.4 台风预报距离误差的评估 |
| 3.5.5 台风方向稳定度评估 |
| 3.5.6 台风加速度稳定度评估 |
| 3.5.7 GBDT模型预报技巧水平 |
| 3.5.8 台风预报个例分析 |
| 3.6 本章小节 |
| 4 基于机器学习订正HadRM3P模式的台风强度 |
| 4.1 台风强度订正的主要建模因子讨论 |
| 4.1.1 海表面温度及大气水热条件与台风强度的联系 |
| 4.1.2 位势高度及引导气流对台风强度的影响 |
| 4.1.3 对流层涡度环境对台风强度的影响 |
| 4.1.4 垂直风切变环境与台风强度的联系 |
| 4.1.5 对流层湿度条件与台风强度的联系 |
| 4.1.6 选择建模因子总结 |
| 4.2 机器学习方法介绍 |
| 4.2.1 BP算法与HBP算法原理 |
| 4.2.2 SVM算法原理 |
| 4.2.3 RF算法原理 |
| 4.2.4 PLS算法原理 |
| 4.3 台风强度订正的模型构建 |
| 4.3.1 各建模因子的变量选择 |
| 4.3.2 数据预处理 |
| 4.3.3 台风强度订正模型的构架 |
| 4.3.4 模型的其它参数 |
| 4.4 台风强度订正的主要结果 |
| 4.4.1 历史观测台风的强度订正 |
| 4.4.2 运用MLERA模型订正HadRM3P模式中的台风强度 |
| 4.4.3 MLERA与其它机器学习模型的比较 |
| 4.5 本章小节 |
| 5 基于机器学习订正HadRM3P模式的台风降水 |
| 5.1 HadRM3P模式预估的台风降水 |
| 5.1.1 观测降水的数据来源 |
| 5.1.2 台风降水识别 |
| 5.1.3 台风降水等级划分 |
| 5.1.4 HadRM3P模式的台风降水初步结果 |
| 5.2 台风降水偏差订正模型 |
| 5.2.1 历史基准阶段HadRM3P模式的台风降水偏差 |
| 5.2.2 极限梯度提升算法 |
| 5.2.3 台风降水偏差订正的建模因子 |
| 5.2.4 模型流程图 |
| 5.2.5 Xgboost模型参数选择 |
| 5.3 台风降水偏差订正结果分析 |
| 5.3.1 台风总降水 |
| 5.3.2 台风暴雨天数 |
| 5.3.3 各气象要素重要程度 |
| 5.4 本章小结 |
| 6 不同温室气体排放情景下西北太平洋台风活动对气候变化的响应 |
| 6.1 不同温室气体排放情景下台风的最大潜在强度 |
| 6.1.1 台风最大潜在强度的定义 |
| 6.1.2 主要结果 |
| 6.2 不同温室气体排放情景下台风的潜在生成指数 |
| 6.2.1 台风潜在生成指数定义 |
| 6.2.2 主要结果 |
| 6.3 登陆我国的台风主要特征 |
| 6.4 不同温室气体排放情景下台风的累积气旋能量指数 |
| 6.4.1 台风累积气旋能量指数的定义 |
| 6.4.2 台风累积气旋能量指数的年际变率特征 |
| 6.4.3 台风累积气旋能量指数的季节特征 |
| 6.4.4 各等级台风的累积气旋能量指数 |
| 6.5 本章小结 |
| 7 结论与展望 |
| 7.1 主要结论 |
| 7.2 研究创新点 |
| 7.3 研究展望 |
| 参考文献 |
| 附录 |
| 后记 |
四、影响上海地区热带气旋频数的预测水平评估（论文参考文献）
- [1]全球变暖背景下中国东南沿海地级市热带气旋及其经济损失演变趋势[D]. 谈科. 南京信息工程大学, 2021(01)
- [2]IPO-BT模态及其对影响热带气旋活动的环流变化研究[D]. 冯小芳. 南京信息工程大学, 2021
- [3]南海珊瑚礁区海表风速时空变化及热带气旋影响分析[D]. 何鑫. 广西大学, 2021(12)
- [4]青藏高原雪灾频数变化及其对海温异常强迫的响应[D]. 刘彩红. 南京信息工程大学, 2020
- [5]热带气旋多元回归与机器学习方法研究[D]. 张润宇. 国家海洋环境预报中心, 2020(03)
- [6]基于GIS的南海FPSO避台航线规划[D]. 冉明衢. 大连海事大学, 2020(01)
- [7]基于CWRF的中国近海热带气旋频数集合模拟研究[D]. 史文茹. 南京信息工程大学, 2020(02)
- [8]近40年西北太平洋登陆热带气旋强度变化特征研究[D]. 季倩倩. 广东海洋大学, 2020(02)
- [9]热带气旋对浙江嵊泗海洋牧场重要生境的影响研究 ——以典型热带气旋事件为例[D]. 吴祖立. 上海海洋大学, 2020(01)
- [10]基于HadRM3P模式与机器学习预估气候变化下台风活动[D]. 谭金凯. 华东师范大学, 2020(08)