2、三维大气锋面系统的自动识别与定位

三维大气锋面系统的自动识别与定位

1. 引言

天气锋面是影响大气环境和周边天气状况的重要天气尺度现象，它们与极端降水、气旋等极端天气事件相关。传统上，锋面通常在二维空间网格上呈现，仅展示锋面在地表的全球位置，却忽略了锋面实际上是三维倾斜结构这一事实。

以往检测锋面的方法依赖低空间分辨率数据，难以分析锋面倾角。而如今有了如 ERA5 这样的高分辨率数据集，我们能够更精确地确定锋面位置，从而更好地呈现锋面的三维结构。

经典的二维锋面检测计算方法依赖热场的导数，如湿球温度或等效位温。这些方法大多需要较粗的分辨率或平滑的热场，因为它们是为低分辨率的天气尺度特征而开发的。

深度学习方法在大气物理学的多个领域已取得成功应用，包括气旋跟踪和预报等。机器学习也被用于锋面检测，此前检测二维锋面的工作使用了随机森林和神经网络。然而，目前还没有方法能够检测锋面的实际三维形状。

本文提出了一种基于深度学习模型的新方法，该方法利用神经网络推断出的二维锋面，并添加了新的后处理流程，将其扩展到三维 ERA5 网格内的锋面表面。

2. 数据

2.1 大气数据

处理和评估使用的是 ERA5 再分析数据，压力水平从 1000 hPa（地表）到 500 hPa（约海平面以上 5 公里）。算法使用的数据覆盖范围为东经[-90, 50]°和北纬[90, 0]°。为提取宽截面，仅考虑位于东经[-65, 25]°和北纬[65, 25]°区域内的地表锋面像素，该区域主要覆盖北大西洋，可减少山脉等地形的影响。

ERA5 数据使用插值为位于地形内的无效网格点提供值。除了计算等效位温 θe 外，不改变这些数