转载于 气象科学 ；徐成鹏，等

摘要 利用2018—2019年期间10 min定量降水估计 (Quantitative Precipitation Estimation, QPE) 实况观测,构建基于U-Net的分钟级临近降水预报模型,实现了京津冀地区未来0~2 h逐10 min降水量滚动预报。以TS、BIAS、POD、SR、FAR作为评价指标,通过检验2020和2021年6—9月长序列以及分析2020年8月12日和2021年7月1日两次强降水个例,表明U-Net模型预报接近实况,局部伴随着一定程度的空报,相较光流法、持续性预报及CMA-MESO模式预报效果有明显提升。具体表现为:当分钟级降水预报不超过10 mm/(10 min)时,U-Net模型明显优于光流法和持续性预报;当小时预报不超过25 mm·h^-1,U-Net模型优于CMA-MESO模式和光流法。然而,当降水强度超过10 mm/(10 min)或 25 mm·h^-1时,U-Net模型存在预报偏弱的情况,可能与强降水样本较少有关。 关键词

中文关键词:

深度学习

定量降水

临近预报

英文关键词:

deep learning

quantitative precipitation

nowcasting

文内图片

图 1 U-Net网络结构

图 6 2020年8月12日08—09时华北地区逐 10 min降水实况和预报

图 7 2020年8月12日08—09时不同预报时效的降水TS(a-d)和BIAS(e-h)评分