科研之友
微信
新浪微博
Facebook
分享链接
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。
- 单位
