浙江杭州智慧气象 精彩亚运丨分类强对流潜势预报平台为亚运预报员当好“参谋”
查看隐藏内容（*）需先登录
“在得出初步预报结论之后，我习惯回过头打开这个平台，查找可能漏掉的强对流天气过程。”*月**日，在顺利完成第十九届亚洲运动会（以下简称“亚运会”）开幕式气象服务保障后，亚运气象台首席预报员、杭州市气象台副台长沈杭锋说，在平时的强对流预报中，通过它来验证预报结论也是一个不错的方法。沈杭锋说的平台，就是基于随机森林机器学习算法的分类强对流潜势预报平台，由浙江省气象台短临科正研级高工李文娟团队自主研发，基于本地快速更新同化数值模式和随机森林机器学习方法，研发了大风、冰雹和短时强降水天气的潜势预报产品，预报时效为*—**小时、**—**小时，时间分辨率为*小时，空间分辨率为*公里，逐*小时更新。在此之前，数值预报模式主要提供降水预报，其在大风、冰雹等强对流客观预报方面的产品则有所不足。随机森林机器学习算法为解决问题带来了新的思路。李文娟团队决定将随机森林机器学习算法应用于强对流发生潜势预测技术研发。****年，研发团队利用****年以来本地强对流历史个例的再分析历史资料、浙江省快速更新同化数值模式，构建了描述分类强对流环境场的数据集，建立了基于随机森林机器学习算法的强对流潜势分类预报模型。在此过程中，研发团队用机器学习和概率统计方法去筛选、凝练不同类型强对流的预报指标和阈值，尽可能完善模型。李文娟进一步解释说：“用机器训练的方法把历史天气个例做成一个个‘标签’，输入**个对流指数物理量因子，如大气层结稳定度、干湿层结、涡度散度等热动力因子。通过对大量历史过程的‘监督式’学习，碰到相似的大气环境场，模型会预判出未来**小时可能出现哪一种强对流，再融合中尺度模式得到起止时间、落区、强度等，生成相应的预报产品，供预报员参考使用。”*月**日，浙江沿海出现大风天气。在当天的全省天气会商中，预报员根据强对流潜势分类预报中大范围黄色标识，进一步分析了当天的物理条件和动力条件，利用主观分析与客观参考相结合的方式，预报了大风和冰雹起止时间、落区以及影响等。经后期实况验证，与预报结论基本吻合。相关检验结果显示，强对流潜势分类预报技术对于风雹类、短时强降水的定性分类预测准确率较高。****年短时强降水和雷暴大风点对面的TS评分分别达到*.**和*.**，显著优于模糊逻辑等传统方法，并于当年获得浙江省气象局科技研究开发与成果转化一等奖。不过，机器学习方法也存在一定的局限性，并非完美无瑕，由于受到数值模式分辨率、精准度和环境场变化等因素影响，基于机器学习的强对流预报落区会有一定时空偏差，也会有“空报”现象。对此，研发团队采取了两种优化方案。其一是针对机器学习算法筛选的重要性因子，利用核密度估计方法，提取不同季节物理量阈值进行消空，并且结合雷达反射率因子再次消空。其二是建立动态学习库，将预报失败的样本重新编入历史训练库，弥补样本不足的问题。简单来说，就是通过反复训练“错题本”来降低空报率。通过不断改进和训练，目前，模型运行稳定且效果良好，并在亚运会各项演练服务保障以及日常预报业务中得到应用。数据显示，实际业务应用中，有无强对流的预报准确率可达**%，分类强对流准确率约**%。亚运会举办期间，气象服务为各项赛事顺利进行提供了有力支撑。接下来，亚残会即将启幕，李文娟及其团队仍在不断训练新的强对流天气个例库，完善强对流潜势分类预报功能，以期在各项赛事以及之后的气象服务保障和防灾减灾中发挥更大的技术支撑作用。（作者：简菊芳?麻碧华?岳毅?责任编辑：张林）
