U-Net模型在京津冀临近降水预报中的应用和检验评估

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 25mm·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：深度学习、定量降水、临近预报

所属期刊栏目：42

分类号：P456(天气预报)

资助基金：国家重点研发计划;风云卫星应用先行计划

在线出版日期：2023-04-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：781-792