强对流天气将导致多种灾害性天气,但由于其突发性强且尺度较小,在气象业务工作中仍难以准确地预警和预报.本文基于LightGBM(Light Gradient Boosting Machine)算法,利用甘肃三个地区的C波段雷达回波产品以及地面观测数据,构建了LightGBM模型,并分类判识了三类主要的强对流天气[冰雹、雷暴大风、短时强降水(短强)].结果表明,在2011-2017年训练集中,LightGBM模型表现较好,整体误判率仅为4.9％.在2018年的独立样本测试中,模型对三类强对流和非强对流天气的整体误判率为7.0％,对三类强对流天气的平均命中率(Probability of Detection,POD)为86.4％,平均临界成功指数(Critical Success Index,CSI)为64.3％,平均空报比率(False Alarm Ratio,FAR)为29.0％.其中,短强的误判率最低,POD和CSI最高,FAR也最小,而雷暴大风和冰雹的误判率和评分比较接近.因此,本文构建的LightGBM模型对强对流天气的分类识别较为理想,首次对三类主要的强对流天气实现了自动化预警,在未来的气象业务自动化工作中有广阔的应用前景.
NETL
NSTL
万方数据
维普
