深度学习网络在降水相态判识和预报中的应用

作者：黄骄文; 蔡荣辉^*; 姚蓉; 王胜春; 滕志伟

来源：气象, 2021, 47(03): 317-326.

• 降水相态
• 深度学习
• 雨雪分界线
• 检验

利用1996—2015年中国的高空探测资料和地面观测数据,挑选发生降水的数十万个样本将其分为降雨和降雪两类事件,抽象为二分类问题,采用深度学习网络技术构建降水相态判识模型,并用2016—2017年的数据进行测试检验,针对2018年1月下旬中国一次大范围雨雪天气过程进行个例检验,在此基础上探讨了深度学习网络在降水相态判识和预报中的应用。主要结论如下:基于深度学习网络判识模型的判识准确率为98.2%,雨、雪的TS评分分别为97.4%和94.4%,相应空报率为1.7%和2.0%,漏报率为1.0%和3.7%,较传统指标阈值法的判识准确率有较大提高;个例检验显示,基于实况探空数据的模型判识结果与降水相态实况在全国基本保持一致,欧洲中期数值预报中心(ECMWF)的降水相态预报产品和模型的预报结果对全国的降水相态都表现出较好的预报能力,而对雨雪分界线的预报,模型的预报结果较ECMWF总体上更接近实况。测试结果表明,模型较好地提取了雨、雪降水相态的结构特征,深度学习网络在降水相态判识和预报中的应用具有可行性和一定的优势,可为降水相态的客观判识和预报提供重要技术支撑。

• 单位
  气象防灾减灾湖南省重点实验室; 湖南师范大学; 湖南省气象台