四川地区气温转折过程2m温度变化订正研究

作者：冯良敏; 周秋雪; 曹萍萍; 王佳津

来源：干旱气象, 2023, 41(01): 164-172.

• 气温转折过程
• LightGBM算法
• 机器学习

基于四川地区1990—2019年的逐日2 m最高、最低温度站点实况数据，对气温转折天气过程进行统计和分析，在此基础上，应用LightGBM(Light Gradient Boosting Machine)算法及NCEP/NCAR(National Center for Environmental Prediction/National Center for Atmospheric Research)逐日再分析资料，构建气温转折天气过程变温订正模型。结果表明：（1）出现气温转折过程最多的区域是高原与盆地的边坡过渡区，最少的是盆地；（2）各区域的气温转折过程具有明显的季节差异，均表现为春季最多、冬季最少，且春季的气温转折过程明显多于其他3季；（3）在1990—2019年验证集中，LightGBM订正模型表现较好，准确率为78.64%，平均绝对误差为1.35℃。（4）在2020年的独立样本测试中，LightGBM订正模型的准确率为53.60%，平均绝对误差为2.19℃，整体订正效果优于ECMWF模式（European Centre for Medium-Range Weather Forecasting）、中央台城镇预报指导报（SCMOC）及四川省气象台数值预报客观释用城镇预报指导报（SPCO）的预报。

• 单位
  四川省气象台