本网讯  近日，我校土木与测绘工程学院刘昭华副教授团队以我校作为第一通讯单位，在自然指数期刊《JOURNAL OF GEOPHYSICAL RESEARCH:ATMOSPHERES》发表了题为“Enhancing Short-Term Wind Speed Prediction Capability of Numerical Weather Prediction Through Machine Learning Methods”的论文。在发表后立即受到了全球学者们的广泛关注，三个月内获得了1033次下载，在该期刊中国作者2024年第四季度发表文章三月内下载量中位列前茅，被授予“Wiley 威立中国高贡献作者”荣誉称号。

论文的第一作者是土木与测绘工程学院测量专业2014届校友、中国第36次南极科学考察队员曾昭亮，通讯作者为我校2025届硕士研究生吴红磊与刘昭华副教授。论文聚焦于风速预报这一气象服务的核心要素展开深入研究。风速预报的精准度在航空运输、能源调度、灾害防御等关键领域起着决定性作用。然而，当前广泛使用的数值天气预报（NWP）产品，虽依赖全球数据和数学模型求解大气动力学方程，但在捕捉局部微观气象过程方面存在不足。尤其在沿海地区，复杂的地表条件、显著的陆地 - 海洋差异以及多变的地形等因素，进一步加大了风速预报的难度，影响了其准确性。

针对这些问题，刘昭华副教授团队提出了一种创新性的方法，旨在结合局部空间信息，增强中国沿海地区短期风速预报能力。该方法基于数值模式预报资料（TIGGE）以及高密度气象站风速实测值，并巧妙运用 AI 堆叠集成技术（stacking），构建了适用于我国沿海省份的短期风速智能预报模型。实验结果表明，将相邻网格点的气象场特征和时空信息作为新的特征输入模型后，风速预测精度得到显著提升。特别是stacking堆叠模型，使得 ECMWF（欧洲中期天气预报中心）的风速预测准确率在全年、春季、夏季、秋季和冬季分别从53.3%、50.9%、55.2%、53.0% 和 54.0% 提升至77.2%、73.1%、76.7%、78.2% 和 77.1%。这一成果为沿海地区风速精准预报提供了切实可行的新方案，有望在实际应用中发挥重要作用，提升相关领域的决策准确性和安全性。

论文链接：https://agupubs.onlinelibrary.wiley.com/doi/10.1029/2024JD041822

（文、图/吴红磊）