利用气象再分析数据对高耸物体上行闪电的时空季节性风险评估
物理与社会
2024-03-29 v1 机器学习
应用统计
摘要
本研究调查了高耸物体上的闪电，并评估了东阿尔卑斯山及其周边地区上行闪电（UL）的风险。UL 虽不常见，但构成威胁，尤其对风力涡轮机而言，因为 UL 的长持续时间电流会造成严重损害。当前的风险评估方法忽略了气象条件的影响，可能低估了 UL 风险。因此，本研究采用随机森林这一机器学习技术，来分析在 Gaisberg Tower（奥地利）测量的 UL 与 个较大尺度气象变量之间的关系。其中，较大尺度的上升速度、10 米处的风速和风向以及云物理变量贡献了最多信息。随机森林以 1 km 的分辨率预测了整个研究区域的 UL 风险。强劲的近地表风结合高耸地形的向上偏转增加了 UL 风险。UL 风险的日循环以及高风险区域随季节变化。冬季时，由于盛行北风，它们集中在阿尔卑斯山以北/东北部，并在过渡月份和夏季向南扩展，影响意大利北部。该模型在冬季表现最佳，预测的最高 UL 风险与高耸物体测量闪电的观测峰值相吻合。风险最高浓度区位于阿尔卑斯山以北，那里是大多数风力涡轮机的所在地，导致整体闪电活动增加。全面的气象信息对于 UL 风险评估至关重要，因为闪电密度是高耸物体闪电的一个糟糕指标。
引用
@article{arxiv.2403.18853,
title = {Spatio-seasonal risk assessment of upward lightning at tall objects using meteorological reanalysis data},
author = {Isabell Stucke and Deborah Morgenstern and Georg J. Mayr and Thorsten Simon and Achim Zeileis and Gerhard Diendorfer and Wolfgang Schulz and Hannes Pichler},
journal= {arXiv preprint arXiv:2403.18853},
year = {2024}
}