来源：气象科学 李冰村，等

摘 要 利用2017—2019年贵州省威宁彝族回族苗族自治县的C波段天气雷达数据,提取了多种与冰雹相关的雷达特征参量,并结合地面降雹记录建立了客观的冰雹样本标记方法。通过支持向量机、决策树和朴素贝叶斯三种机器学习方法,对冰雹高发区贵州省威宁的冰雹天气过程进行建模与评估。评估结果表明,采用机器学习方法可以有效地识别冰雹天气过程。支持向量机和决策树方法的命中率(Probability of Detection, POD)均较高,分别为88.9%和90.5%;临界成功指数(Critical Success Index, CSI)分别为73.1%和70.3%;误报率(False Alarm Rate, FAR)分别为19.6%和24.1%。朴素贝叶斯方法的POD和CSI相对偏低,分别为67.8%、62.8%,但FAR最低,为10.6%。

关键词

中文关键词:

机器学习

C波段雷达

冰雹识别

英文关键词:

machine learning

C-band radar

hail identification

文内图片

图 1 云南昭通雷达地理位置(“+”号表示雷达位置, 黑色圆圈表示雷达150 km观测半径)

图 4 2018年5月17日09时35分的组合反射率下标记的冰雹样本 (“+”表示雷达位置; 红色和黑色矩形框分别表示冰雹样本和非冰雹样本; 黑色不规则线条表示降雹点所在的行政区边界)

图 6 不同机器学习模型预测结果对比 (橙色表示支持向量机模型; 蓝色表示决策树模型;绿色表示朴素贝叶斯模型)