基于FCN算法的甘肃省强对流逐小时预报技术研究

摘要

传统预报方法难以有效捕捉强对流天气快速演变的特征，全卷积神经网络(Fully Convolutional Network,FCN)算法因其有独特的局部感知特性优势，能够有效提取中小尺度天气系统的时空演变特征。通过构建基于FCN的预报模型，可以突破传统方法的局限性。本文将2017—2021年地面观测的强对流天气实况、ECMWF数值模式资料作为训练集，2022年上述数据作为测试集，采用FCN算法，构建甘肃省冰雹、雷暴大风和短时强降水(以下简称为短强)三类强对流和非强对流天气0—12 h内逐小时天气预报模型，并将模型在2023年实际业务中应用验证。结果表明：(1)在2022年的训练集中，模型表现良好，强对流天气和和非强对流天气的整体误判率(FNR)仅为16.6%。三类强对流天气的平均临界成功指数(CSI)为25.8%，平均命中率(POD)保持在65.2%以上，且其对短强的预报效果最好。(2)在2023年实际业务应用的验证集中，模型对三类强对流天气的平均CSI为24.3%，平均POD为62.6%，平均空报比率(FAR)为71.2%。2017—2023年全部数据集中，短强的CSI最高，达到45.5%，雷暴大风和短强的POD均超过了70%，冰雹和雷暴大风的FAR相似，均高于77%，短强的平均FAR最低。(3)由模型的逐小时预报看，冰雹在第4 h、8 h和10 h表现最好，雷暴大风在第6 h表现最好，短强在第2 h、4 h的预报效果最好。本研究构建的FCN模型在强对流天气预报方面表现较为理想，在加快未来气象业务自动化进程中具有较好的应用前景。

关键词

强对流天气 / FCN算法 / 逐小时预报 / 甘肃