摘 要 短时强降水是气象上的常见灾害性天气，准确认识短时强降水的发生规律和科学有效地预报是防灾减灾的关键问题。利用江苏省13个气象观测站历史上短时强降水观测资料，用遗传算法进行特征选择，选定影响短时强降水的对流抑制能、对流有效势能、高空水汽通量场等19个特征为主要因素，将是否短时强降水抽象成二元分类问题。借助机器学习中CART决策树算法进行分类分析，构建便于预报员使用的短时强降水预报规则集。实验部分，随机选择3000条样本进行训练模型，得到适合江苏地区的短时强降水规则集，用剩余的838条数据进行检验，模型的短时强降水预报准确率为88.26%，非强降雨预报准确率为96.81%，较特征选择之前分别提升4.75%和0.70%。

用grads处理欧洲中心的再分析降水资料。（所下资料为每三小时，1979-2017年）将资料处理为每天的累计降水。根据需要进行脚本的调整即可

大数据-算法-黄河上游人工增雨期间云物理观测和降水过程的数值模拟研究.pdf

马可夫链matlab源代码OMC 包：降水的发生马尔可夫链模型 OMC 包由两个 Matlab 函数组成：OMC_fit 和 OMC_sim，用于模拟每日降水的发生和强度。 发生遵循可变阶马尔可夫链，强度遵循伽马-伽马混合模型。 该方法遵循以下描述：Daniel J. Short Gianotti、Bruce T. Anderson 和 Guido D. Salvucci，2014 年：美国大陆降水发生、强度和季节性总量的潜在可预测性。 J. 气候，27，6904​​-6918。 代码托管在： 欢迎您在任何非商业环境中使用此代码，但我要求您使用以下 DOI 引用代码：10.5281/zenodo.45435 引用样式示例是：Daniel J. Short Gianotti，2016 年：发生马尔可夫链每日降水模型。 , DOI:10.5281/zenodo.45435。 如果由于某种原因您无法引用源代码，请引用以下论文：Daniel J. Short Gianotti、Bruce T. Anderson 和 Guido D. Salvucci，2014 年：降水发生率、强度和季节性总量

【Python在气象中的实战应用案例】Python计算降水线性倾向率并进行显著性检验.zip

【Python在气象中的实战应用】Python绘制GPM DPR二级降水和潜热

更好地了解中国主要城市的降水量，让大家自己到中国降水量有多少

我国夏季降水预测方法研究进展.pdf

从中国气象数据网获得2019年的中国地面降水日值0.5°×0.5°格点数据集（V2.0），网址：http://data.cma.cn/数据集实体文件名称：中国降水日值0.5°×0.5°格点数据集文件命名由数据集代码。现在网站上已经搜不到了，我是2020年下载的。xlsx格式

中国全国地面站点数据(1981-2010)、月平均气象、月平均降水、月平均相对湿度、月最大降水、月最高温度最低温度、月最高温平均值最低温平均值、高低温站点基础数据 b_china_mon_avg_data_pressure月平均气象 b_china_mon_avg_data_rain月平均降水 b_china_mon_avg_data_rhu月平均相对湿度 b_china_mon_max_data_rain月最大降水 b_china_mon_max_min_data_tem月最高温度最低温度 b_china_mon_max_min_avg_data_tem月最高温平均值最低温平均值 b_china_mon_max_min_station高低温站点基础数据