Page 187 - 《高原气象》2026年第2期

2 期 殷齐娥等：基于机器学习的机场低能见度短临预报研究 487
场观测数据质控。由于低能见度事件较少， 完全采 分段线性插值（Ibarra et al， 2019）， 得到逐小时预报
用机场观测可以获得的低能见度样本会很少， 景德 数据， 一共 26 个初级预报特征。预测标签为当前
镇国家气象观测站与机场仅相距 2. 7 km， 且气候特 及未来 1 h有无低能见度天气。所有 32个初级特征
征相似， 因此将景德镇国家气象观测站的地面观测 和预测标签均存在时， 记为一条完整记录， 总共获
数据（不含 RVR）加入数据集进行数据增强， 以解决 得 56276 个完整且连续的逐小时记录， 用于机器学
机场低能见度样本数少的问题。 习模型训练。基于 32个初级特征建立的 LightGBM
预报数据来源于 ECWMF 数值模式（下文简称 和 XGBoost 分 别 记 为 LightGBM_32 和 XG‐
EC 模式）输出的 5 个地面和 21 个高空数值产品， 每 Boost_32。
天 08:00 和 20:00 起报的逐 3 h 预报数据， 共 26 个预 2. 2. 2 特征工程
报因子， 包括 850 hPa、 925 hPa、 1000 hPa三个高度 2.2.2.1 定性特征哑编码
层的散度（div_850、 div_925、 div_1000）、 相对湿度 机场观测数据中风向包含了静风C和风向不定
（rh_850、 rh_925、 rh_1000）、 比湿（spfh_850、 spfh_ VRB两种特殊的文本特征， 本文采用定性特征哑编
925、 spfh_1000）、 气 温（tmp_850、 tmp_925、 tmp_ 码（天池平台， 2020）对文本型的特征进行转换， 用
1000）， 850 hPa、 925 hPa、 950 hPa、 1000 hPa 四个 0替换C， 用9999替换VRB。
高度层的垂直速度（vvel_850、 vvel_925、 vvel_950、 2.2.2.2 根据各特征的相关性进行特征选择
vvel_1000）， 500 hPa、 700 hPa、 850 hPa、 925 hPa、 Manandhar et al（2019）指出机器学习特征工程
1000 hPa 五 个 高 度 层 的 位 势 高 度（hgt_500、 hgt_ 要求特征之间相互独立， 应避免各因子之间的共线
700、 hgt_850、 hgt_925、 hgt_1000）， 2 m 露点温度 性对模型预报造成干扰， 因此有必要在建模前分析
（dpt_2m）和气温（tmp_2m）， 海平面气压（pmsl）， 3 h
预报因子之间的偏相关关系， 在相关性强的因子中
降雨量（rain_3h）， 能见度（vis）。预报数据的时间 进行有选择的剔除。计算 32 个特征和机场能见度
范围为 2020 年 8 月 24 日 23:00 至 2023 年 11 月 10 日
观测值之间的相关系数， 其中相关系数绝对值大于
08:00。机场预报员日常业务参考 EC模式产品和机
0. 85为强相关。表 1列出了初级特征之间强相关的
场自动观测系统实时观测数据作能见度预报， 故本
预报因子。从表 1 中可以看出： （1）925 hPa 的位势
文选择 EC 模式预报数据和自动站观测数据做预报
因子。 表1 强相关的预报因子
2. 2 主要研究方法 Table 1 Factors with high correlation
2. 2. 1 数据清洗 预报因子1 预报因子2 相关系数
由于机场地面观测记录中有较多缺测， 需要对 hgt_1000 spfh_1000 -0. 87
观测数据进行质控。挑选 2020年 8月 24日 23:00至 hgt_1000 spfh_925 -0. 87
2023 年 11 月 10 日 08:00 连续性较好的风向、 风速、 hgt_1000 hgt_925 0. 89
气温、 相对湿度、 海平面气压、 露点温度、 能见度、 hgt_1000 prmsl 0. 89
RVR共 8个因子的逐时观测记录。首先剔除同一时 hgt_850 hgt_925 0. 88
刻前 6 个因子中缺失两个及以上因子的观测记录， prmsl tmp_850 -0. 88
然后采用随机森林算法（贺倩等， 2022）填充缺失的 prmsl tmp_925 -0. 87
能见度观测值。由于RVR数值在能见度低于1500 m spfh_1000 spfh_850 0. 91
时， 与能见度数值接近， 故参考 RVR 对填充的能见 spfh_1000 spfh_925 0. 97
度值进行手动订正， 以对观测数据进行质量控制。 spfh_850 spfh_925 0. 94
至此， 形成以风向、 风速、 气温、 相对湿度、 海平面 tmp_1000 tmp_850 0. 90
气压、 露点温度共 6 个特征组成的初级观测特征， tmp_1000 tmp_925 0. 91
而能见度数据用于确定机器学习的标签。 tmp_2m tmp_850 0. 88
通过两次线性插值获得景德镇国家地面观测 tmp_2m tmp_925 0. 91
站和机场的逐小时预报数据作为训练模型的初级 tmp_850 tmp_925 0. 96
预报特征。具体做法是将ECMWF预报数据经过双 dpt_ob tmp_ob 0. 86
线性插值到机场和景德镇国家地面观测站， 获得两 相关系数绝对值在 0. 85 以上（The absolute value of the correla‐
个站点的逐 3 h预报数据； 再将逐 3 h预报数据进行 tion coefficient is above 0. 85）