基于深度学习模型的雷电落区预报
任照环1
林锐2
周浩2
覃彬全3
李卫平1
许伟1
1.中国气象局气候资源经济转化重点开放实验室,重庆市防雷中心,重庆 401147;中国气象局金佛山国家综合气象观测专项试验外场,重庆 4011472.重庆莱霆防雷技术有限责任公司,重庆 4011473.重庆市气象安全技术中心,重庆 401147
摘要：以PredRNN时空预测模型作为骨干网络,ASPP模块为分类器,构建了雷电落区预报的深度学习模型(Lightning-Net).模型以前1h的雷达组合反射率和雷电定位数据为预报因子,输出未来1h的雷电落区.利用2020-2021年重庆市雷达、雷电定位数据对模型进行训练,在2022年的数据集上测试.结果表明:构建的Lightning-Net模型TS(Threat score,威胁分数)评分为0.53、命中率(POD)为0.82,相比传统的光流法和UNet模型具有一定的优势;个例检验发现,模型对强雷暴的预报效果优于弱雷暴,模型对雷电落区变化的整体趋势能很好的把握,但对雷暴主体周围的零星雷电预报能力不足.
关键词：深度学习雷电落区预报雷达雷电定位数据
分类号：P472.3(大气科学（气象学）)
资助基金：重庆市科委技术创新与应用示范项目(cstc2018jscx-msybX0137)重庆市气象部门业务技术攻关项目(YWJSGG-202147)
论文发表日期：2024-10-28
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：9( 758-766 )
英文信息