近日，我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。

论文的第一作者是我院测量专业2014届校友、中国第36次南极科学考察队员曾昭亮，通讯作者为我院2025届硕士研究生吴红磊和刘昭华。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/吴红磊）