題目：基於神經網絡的尺度自適應雲量參數化方案簡介
分享人：陳國興
題目：定量估計東亞地區夏季熱浪可預報性
報告摘要：
東亞地區人口稠密，經濟體量大。研究此地區的大氣可預報性，尤其是極端事件可預報性具有重要的意義🧘🏼♀️。在全球變暖背景下，東亞地區的極端高溫、熱浪事件頻發，這對於人類健康安全、社會經濟發展🧑🏻🍳、生態系統等造成巨大的危害。提前預報出極端高溫、熱浪事件，有利於降低災害帶來的損失👮。定量研究極端事件的可預報性是一個較大的挑戰🎖。在本工作中，我們基於一個新的理論方法——向後非線性局部Lyapunov指數（BNLLE），定量研究了東亞地區夏季熱浪事件的可預報性。研究發現，東亞地區夏季2m溫度的可預報上限為12天，而熱浪事件可預報性為4~12天。此外基於BNLLE方法，還確定了東亞地區預報誤差增長的敏感區域。這些誤差增長的敏感區域對於熱浪事件的預報會產生重要的影響↗️。重點關註誤差增長敏感區域🦂👦🏻，采用更加先進的資料同化技術、增加觀測站點等方式👨🏽🌾，將會有利於提高熱浪事件的預報技巧🐟。
分享人：李旋
