个人简介
刘臻晨，博士后，主攻全球季节尺度极端高温干旱事件研究，利用多种机器学习框架进行事件识别、模态分型、可解释性统计模拟以及多尺度预测等相关工作。
报告摘要
全球各地的高温干旱成因各异、影响途径复杂，包括但不限异常的大尺度环流和遥相关型、热带海洋异常及其激发的波列、登陆台风的减少、干旱发展过程中与土水密切相关的陆气耦合作用，以及近年广为关注的沿海地区的海洋热浪等，且存在明显的地理和季节差异。然而，它们在局地动力异常上也存在共性，即是增强的动力下沉和常常伴随的中低层反气旋。尽管关于致旱致热的局地动力成因已是常识，但仍有两个有趣但有待解决的问题：1）是否高温干旱的水文气候特征能直接用大气动力异常进行重建。2）不同形式动力异常在场次高温干旱重建中的具体贡献又如何。为此，本研究针对三维点簇聚类算法识别所得的全球高温干旱事件，借助XGBoost可解释性模型，利用三种形式的大气动力变量（垂直速度、相对涡度、水平散度），重建极端高温干旱时的降水、气温、表层土水的空间分布，尝试量化动力因子的致旱致热贡献，探索全球纬向分布律。所得成果可为全球干旱监测和预测工具研发提供理论基础。该工作目前以“Global-scale Interpretable Drought Reconstruction Utilizing Anomalies of Atmospheric Dynamics”为题发表在《Journal of Hydrometeorology》期刊上，链接为 https://doi.org/10.1175/JHM-D-22-0006.1 。
