Page 181 - 《高原气象》2025年第6期
P. 181

第 44 卷  第 6 期                        高     原     气    象                             Vol. 44  No. 6
                2025 年 12 月                       PLATEAU METEOROLOGY                             December， 2025


               周秋雪， 冯良敏， 陈朝平，等， 2025.  一种适用于复杂地形下最高气温订正的机器学习方法［J］. 高原气象， 44（6）： 1589-
               1599.  ZHOU Qiuxue， FENG Liangmin， CHEN Chaoping，et al， 2025.  A Machine Learning Method for Maximum Temperature
               Bias  Correction  in  Complex  Terrain ［J］. Plateau  Meteorology，  44 （6） ：  1589-1599.   DOI：  10. 7522/j. issn. 1000-
               0534. 2025. 00027. CSTR: 32265.14.gyqx.CN62-1061/P.2025.00027.




                           一种适用于复杂地形下最高气温订正的

                                                  机器学习方法



                                    周秋雪      1， 2 ， 冯良敏    1， 2 ， 陈朝平    1， 2 ， 胡 迪   1， 2

                                                （1. 四川省气象台，  四川  成都    610072；
                                      2. 高原与盆地暴雨旱涝灾害四川省重点实验室，  四川  成都    610072）

                       摘要： 为了提高复杂地形区域的 2 m 高度最高气温预报精度， 基于 LightGBM（Light Gradient Boosting
                       Machine， LGB）算法针对四川盆地及其周边的复杂地形， 开展了 2 m 最高气温的梯度建模研究。通过对
                       多个气象要素和地形因子的选取与分析， 构建了最优模型。研究表明： （1）2024年 1 -6月， LightGBM 模
                       型相比EC模式， 平均绝对误差减少了2. 48 ℃， 预报准确率提高了36. 97%。其中， 川西高原和攀西地区
                       的提升效果最为显著， 准确率分别提高了 67. 2% 和 57. 5%。（2）与现有的客观预报产品 SPCO 和 SCMOC
                       相比， LightGBM模型的预报准确率分别提升了5. 1%和10. 3%。尤其在攀西地区和四川盆地， 个别站点
                       的预报效果提升最大， 分别达 17. 6% 和 23. 4%。（3）LightGBM 模型按月的平均绝对误差减少了 2. 05~
                       2. 78 ℃， 准确率提升了 31. 1%~41. 0%， 其中 4月的提升效果最为显著。（4）LightGBM 模型具备良好的扩
                       展性， 未来可通过引入时间滞后效应、 空间邻域特征， 并结合分区建模与多模型集成， 进一步提高四川
                       省及其各区域的气温预报精度。
                       关键词： 最高气温； LightGBM； 复杂地形； 机器学习
                       文章编号： 1000-0534（2025）06-1589-11   中图分类号： P457.3   文献标识码： A
                       DOI： 10. 7522/j. issn. 1000-0534. 2025. 00027
                       CSTR: 32265.14.gyqx.CN62-1061/P.2025.00027


               1  引言                                             要（2022 -2035 年）》明确要求： 加快推进气象现代
                                                                 化建设， 努力构建科技领先、 监测精密、 预报精
                   气温是对人们日常生活及农作物生产影响最
                                                                 准、 服务精细、 人民满意的现代气象体系， 更好地
               大的气象因子之一， 气温的高低与体感舒适度有密
                                                                 满足人民日益增长的美好生活需要， 为全面建成社
               切关系（袁萌和王彦凇， 2014）。相比暴雨、 洪涝等
                                                                 会主义现代化强国提供坚强支撑。2 m 气温是天气
               气象灾害， 高温的破坏性并不明显， 但其波及范围
                                                                 预报中最基本的气象要素， 也是各项专题保障服务
               广、 影响人群大， 造成的伤害性不可低估。根据世
               界卫生组织数据显示（IPCC， 2018）， 高温热浪引发                     中必不可少的气象要素。2 m 气温精准预报可以对
               伤亡人数的增长速度远远高于干旱和洪涝等极端                             极端高温、 干旱、 大雾、 霜冻等灾害性天气起到较
               天气事件（Alexander et al， 2006）。另外， 持续高温              好的预警预报作用（薛志磊和张书余， 2012）。
               或低温可能对农作物造成严重伤害（宁晓菊等，                                 过去几十年， 数值天气预报精准度得到大幅度
               1999）。2022 年国务院出台的《气象高质量发展纲                       提高（ Bauer et al， 2015； Bonavita et al， 2016）， 被


                  收稿日期： 2024⁃06⁃21； 定稿日期： 2025⁃03⁃07
                  资助项目： 四川省重点实验室科技发展基金重大专项（SCQXKJZD202401）； 四川省重点实验室科技发展基金研究型业务面上专项（SC‐
                         QXKJYJXMS202401）； 基于人工智能的网格要素预报技术研究青年创新团队项目（SCQXQNCXTD202401）
                  作者简介： 周秋雪（1986 -）， 女， 四川自贡人， 高级工程师， 主要从事数值模式释用与灾害性天气预报技术研究. E-mail： 7952100@qq.com
                  通信作者： 陈朝平（1979 -）， 女， 重庆开县人， 研究员， 从事多源资料和数值预报产品的释用研究. E-mail： 77760543@qq.com
                  © Editorial Department of Plateau Meteorology （CC BY-NC-ND）
   176   177   178   179   180   181   182   183   184   185   186