三种机器学习方法在广东雷暴大风自动识别的应用效果评估
兰宇1
罗聪1
伍志方1
唐思瑜1
吴林1
程兴国2
陈蝶聪3
1.广东省气象台(南海海洋气象预报中心),广东 广州 5106412.华南理工大学,广东 广州 5106413.广东省生态气象中心,广东 广州 510641
摘要：基于2012-2019年自动站雷暴大风观测实况和对应雷达回波,利用传统机器学习方法(决策树)和深度学习方法(CNN、YOLO)等三种机器学习方法分别建立雷暴大风自动识别模型.根据广东雷暴大风回波特征,选取50 dBZ高度、反射率因子强度梯度等5个回波参量作为决策树的特征因子;将1～9 km高度的雷达回波分为11层,作为YOLOv3的输入层,使其由原3个特征层扩展到11层,训练优化后的YOLOv3可更合理刻画雷暴大风的空间结构特征.经批量测试和业务试运行试验,检验结果表明:三种模型中基于决策树的模型虚警最高,基于CNN的模型漏报最多,基于YOLO的模型识别效果最好,其POD和CSI均最高.通过对广东2020年汛期5次系统性和5次局地性雷暴大风过程进行分类型自动识别效果评估,并选取任意天气下长达30天连续时段进行不间断识别检验,结果表明该算法对于不同类型的雷暴大风均有较好的识别能力,具备业务化应用前景.
关键词：雷暴大风自动识别机器学习雷达回波深度学习
分类号：P425.47(气象基本要素、大气现象)
资助基金：国家重点研发计划(2019YFC1510400)广东省基础与应用基础研究基金项目(2021B1515310001)国家自然科学基金(U2142210)广东省气象局科学技术研究项目(GRMC2021M09)广东省自然科学基金项目(2022A1515011814)南海海洋气象预报预警关键技术研发共同资助(CXFZ2021J025)
论文发表日期：2023-04-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：11( 256-266 )
英文信息