高原气象

作者：刘杰,张国晶,王晓英,管琴

单位：<sup class=\"mag-xml-aff-label-sup added-by-sys\">1.</sup> 青海大学计算机技术与应用学院，青海 西宁 810016","<sup class=\"mag-xml-aff-label-sup added-by-sys\">2.</sup> 青海省智能计算与应用实验室，青海 西宁 810016","<sup class=\"mag-xml-aff-label-sup added-by-sys\">3.</sup> 青海理工学院计算机与信息科学学院，青海 西宁 810018","<sup class=\"mag-xml-aff-label-sup added-by-sys\">4.</sup> 青海省气象科学研究所，青海 西宁 810001

关键词：冰雹,预报,决策树模型,高原地区

基金：青海省科技厅面上项目(2023-ZJ-906M),国家自然科学基金项目(62162053),国家自然科学基金项目(42265010)

青海省因其独特的地理环境， 成为冰雹天气频发的地区。针对中国高原复杂地形区域， 尤其是青海高原的特殊性， 本文利用2009 -2023年青海省52个地面气象站的冰雹观测数据及同期冰雹灾情资料， 结合ERA5大气再分析数据集， 构建了适用于青海高原的冰雹预报数据集。基于此数据集， 本文采用随机森林、 XGBoost和LightGBM三种决策树集成学习模型进行冰雹预报建模。实验中， 分别对直径≥2 mm和≥5 mm的冰雹样本进行了实验与讨论。实验结果表明， LightGBM模型在两种样本上的表现均优于随机森林和XGBoost算法， 尤其在大冰雹样本（直径≥5 mm）的预报中效果更佳。具体而言， LightGBM模型在小冰雹样本（直径≥2 mm）上的命中率、 误报率、 临界成功指数、 准确率和召回率分别为0.923、 0.041、 0.858、 0.946和0.924； 在大冰雹样本（直径≥5 mm）上的命中率、 误报率、 临界成功指数、 准确率和召回率分别为0.938、 0.038、 0.908、 0.960和0.964。基于实验结果， 本文深入分析了高原复杂地形区域的冰雹预报模型， 发现在众多特征因子中， 对于青海省冰雹天气预报影响较大的特征因子依次是热力条件（温度垂直积分p54.162、 热能垂直积分p60.162、 2 m露点温度d2m）、 特性高度层条件（100 hPa温度t100、 400 hPa温度t400、 20 hPa位势高度z20）以及动力条件（500 hPa风的东西方向分量u500、 200 hPa风的南北方向分量v200和200 hPa风的东西方向分量u200）。通过对特征因子核密度估计曲线分析， 发现大部分特征因子的核密度估计曲线未能呈现明显的分离性， 单一特征因子难以决定冰雹天气的发生。个例分析表明， 基于LightGBM的冰雹预报模型展现出良好的空间预报能力。通过对关键物理量的24 h演变特征分析发现， 茶卡站发生较大尺度冰雹事件与多个天气要素的显著变化密切相关： 温度垂直积分（p54.162）呈现较大波动， 表明对流活动剧烈； 2 m露点温度（d2m）维持在较高水平， 反映近地面水汽充沛； 500 hPa东西向风速（u500）较大， 暗示中层大气存在显著的动力条件； 100 hPa温度（t100）偏低， 体现了高层大气的特征。这些物理量的协同演变特征不仅揭示了强对流天气系统发展的关键环节， 也为完善青海省区域冰雹潜势预报方法提供了科学依据。

来源：2025年第6期

《高原气象》期刊编辑部

查看高原气象杂志2025年第6期