利用深度學習融合NWP和多源觀測數據的閃電落區短時預報方法

作者：周康輝,鄭永光,王婷波

摘要：強對流短時預報(2—6 h)具有較大難度。一方面,基于觀測數據的外推已基本不可用;另一方面,高分辨率數值模式(High-resolution Numerical Weather Prediction,HNWP)的預報性能有待提升。利用深度學習方法,將衛星、雷達、云-地閃電(簡稱閃電)等觀測數據和高分辨率數值模式預測數據進行融合,得到更有效的閃電落區短時預報結果。基于多源觀測數據和高分辨率數值天氣預報數據的特性,構建了一個雙輸入單輸出的深度學習語義分割模型(LightningNet-NWP),使用了包括閃電密度、雷達組合反射率拼圖、衛星成像儀6個紅外通道,以及GRAPES_3km模式預報的雷達組合反射率等共9個預報因子。深度學習模型使用了編碼-解碼的經典全卷卷積結構,并使用池化索引共享的方式,盡可能保留不同尺度特征圖上的細節特征信息;利用三維卷積層提取觀測數據時間和空間上的變化特征。結果表明,LightningNet-NWP能夠較好地實現0—6 h的閃電落區預報,具備比單純使用多源觀測數據、高分辨率數值模式預報數據更好的預報結果。深度學習能夠有效實現多源觀測數據和數值天氣預報數據的融合,在2—6 h時效預報效果優于單獨使用觀測數據或數值天氣預報數據;預報時效越長,融合的優勢體現得越明顯。

發文機構：國家氣象中心

關鍵詞：強對流短時預報深度學習觀測數據數值模式預報Convective weatherShort-term forecastDeep learningObservation dataNumerical weather prediction

分類號： P435[天文地球—大氣科學及氣象學]