大气河极端降水事件识别追踪算法及其对区域水资源的风险预估.docxVIP

大气河极端降水事件识别追踪算法及其对区域水资源的风险预估.docx

PAGE2

大气河极端降水事件识别追踪算法及其对区域水资源的风险预估

摘要

在全球气候变化加剧的背景下，大气河作为中高纬度地区极端降水与水资源补给的关键载体，其精准识别、动态追踪及风险评估日益重要。现有研究多侧重于大气河的诊断分析，缺乏集自动识别、时空追踪与风险量化于一体的系统性算法工具，难以支撑区域水资源的精细化风险管理。

本课题旨在设计并实现一套大气河极端降水事件识别追踪算法，并评估其对区域水资源的双重效应。首先，基于再分析数据，构建融合水汽输送通量阈值与形态学约束的自动识别算法。其次，引入特征追踪技术，实现大气河生命史的连续追踪。最后，耦合降水观测与水文模型，量化大气河事件对目标流域的水资源补充量与洪涝致灾风险。

论文遵循“需求分析→总体设计→详细设计→实现→测试”的工程化思路展开。核心创新在于提出了一个集成化的处理框架，将识别、追踪与风险评估模块有机耦合，并针对中国东部典型流域进行案例应用与验证。结果表明，该算法能有效捕捉大气河事件，其风险评估结果为区域防洪与水资源调度提供了定量化参考。

第一章绪论

1.1研究背景

近年来，全球极端降水事件频发，对人类社会构成严峻挑战。大气河作为一种狭长而强劲的水汽输送带，已成为引发极端降水的关键天气系统。例如，2021年7月河南特大暴雨、2023年华北极端强降雨等事件背后均有大气河活动的身影。