題目：3D DBSCAN算法在事件體識別中的應用

報告摘要：

“水文水資源學-大氣與海洋科學”領域中的研究對象（如河道起沙模擬、水生群落監測🖖🏿、極端暴雨/高溫寒潮識別、大氣河/反氣旋提取🩱、海洋中尺度渦追蹤等）往往具有空間運動多樣🤘🤼‍♀️、跨季節跨區域、強度變幅大、生消時刻不一等復雜特征🥜；這類具有三維（經度-緯度-時間）時空變化的研究對象可簡稱為“事件體”。精準識別這些“事件體”可提供刻畫自然界真實變化的大量樣本🧦，是後續機理分析的重要前提。基於此，本次報告分為兩部分（70%/30%）：（1）在分析研究初衷與現實意義、方法沿革的基礎上，詳細介紹基於經典DBSCAN算法的、在三維空間內進行目標事件識別和參數敏感性分析的研究方案🉑，以及在2022年長江全域高溫伏秋旱事件中的應用；相關論文發表在AOSL機器學習專刊，DOI鏈接為https://doi.org/10.1016/j.aosl.2022.100324。（2）簡單推介其他與“事件體識別”相關的🪤、典型的有監督/非監督框架。

個人簡介：劉臻晨，沐鸣2博士後。2019年9月博士畢業於河海大學水文學及水資源（應用水文氣候學方向）。研究興趣：全球極端幹旱機理與多尺度預測，智能算法在極端天氣氣候中的應用。

題目➗：緩變外強迫因子影響烏拉爾山月平均環流的超臨界叉式分岔模型

報告摘要👨🏽‍🍼：

烏拉爾山地區月平均環流正🧑🏻‍🎤、負異常往往是我國發生大範圍低溫雨雪⤵️、持續性偏暖偏幹等重要天氣和氣候事件的指示信號。為探尋烏拉爾山月平均環流正、負異常的發生規律，本研究構建了一個考慮外強迫和地形的簡化陸氣耦合模式，改進了Charney的大氣多平衡態理論，提出了局地大氣多平衡態假說：超臨界叉式分岔模型☝🏽。該模型預言：（1）由於烏拉爾山脈的存在，局地大氣環流存在三種平衡態流型，即正常型（平直西風）、正異常型（高壓脊）和負異常型（低壓槽）📀；（2）當緩慢變化的外強迫因子超過某一臨界值時，將發生超臨界叉式分岔現象，平衡態流型以相等概率由正常型轉變為正異常型或負異常型🔛。觀測結果表明💄，冬季太陽常數和特定月份的巴倫支-喀拉海海冰密集度都可以視為緩變外強迫因子，它們與烏拉爾山月平均環流之間的統計關系均與模型的預言基本相一致。

個人簡介🤼：李冬冬👱‍♀️，沐鸣2博士後。2015年和2020年分別獲得蘭州大學理學學士和博士學位。研究方向是大氣多平衡態理論和北極海-冰-氣相互作用。