气象科学

作者：李冰村，唐晓文，何建新，唐佳佳，李星泽，申枫

单位：成都信息工程大学, 成都 610225;中国气象局大气探测重点开放实验室, 成都 610225,,成都信息工程大学, 成都 610225;中国气象局大气探测重点开放实验室, 成都 610225,,成都信息工程大学, 成都 610225;中国气象局大气探测重点开放实验室, 成都 610225,,成都信息工程大学, 成都 610225;中国气象局大气探测重点开放实验室, 成都 610225,,成都信息工程大学, 成都 610225;中国气象局大气探测重点开放实验室, 成都 610225,,成都信息工程大学, 成都 610225;中国气象局大气探测重点开放实验室, 成都 610225,

关键词：机器学习;C波段雷达;冰雹识别

基金：国家重点研发计划资助项目(2018YFC1506103);成都信息工程大学大学生创新创业训练计划项目(202010621032)

利用2017—2019年贵州省威宁彝族回族苗族自治县的C波段天气雷达数据,提取了多种与冰雹相关的雷达特征参量,并结合地面降雹记录建立了客观的冰雹样本标记方法。通过支持向量机、决策树和朴素贝叶斯三种机器学习方法,对冰雹高发区贵州省威宁的冰雹天气过程进行建模与评估。评估结果表明,采用机器学习方法可以有效地识别冰雹天气过程。支持向量机和决策树方法的命中率(Probability of Detection, POD)均较高,分别为88.9%和90.5%;临界成功指数(Critical Success Index, CSI)分别为73.1%和70.3%;误报率(False Alarm Rate, FAR)分别为19.6%和24.1%。朴素贝叶斯方法的POD和CSI相对偏低,分别为67.8%、62.8%,但FAR最低,为10.6%。

来源：2022年第5期

《气象科学》期刊编辑部

查看气象科学杂志2022年第5期