Page 289 - 《高原气象》2026年第3期
P. 289
3 期 黄 蕾等:基于LightGBM算法的陕西关中地区能见度分级预报及可解释性分析 897
00:00 -05:00大气能见度逐渐升高, 由此也可看出冬 关, 因从关中平原向北地势逐渐增高, 当关中平原
季大气污染物对能见度影响的占比较大。05:00 - 盛行湿度较大的偏南(东南)风时, 风沿地形爬坡抬
09:00 能见度逐渐降低, 09:00 能见度达到冬季一天 升, 水汽凝结易造成低能见度天气(张宏芳等,
中的最低值, 而后逐渐升高, 到 16:00 达到峰值后 2013)。而在海拔较低的平原地区, 咸阳城区、 渭
再降低。 南城区、 西安的周至出现低能见度的频次也较高,
从图 2 可以看出, 关中地区的低能见度发生频 主要原因其均是位于渭河沿岸, 河水的蒸发使得沿
次分布有明显的地域性。整体来看, 海拔较高的地 岸空气湿度较高, 同时盆地地形导致风速较小, 利
区出现低能见度的频次最高, 尤其是关中北部的长 于水汽聚集, 夜间至清晨时近地面空气冷却, 水汽
武-淳化-宜君-合阳一带, 这与地形和地理位置有 易凝结造成低能见度天气(贺皓等, 2004)。
图2 关中地区海拔(填色, 单位: m)及2022 -2024年国家站能见度≤1 km发生频次空间分布图
红色圆点中心为国家站, 其大小表示频次
Fig. 2 The altitude (shading, unit: m) and spatial distribution of occurrence frequency that visibility ≤1 km
at national stations in Guanzhong region from 2022 to 2024. The center of the red dot represents
the position of the national station and the size represents the frequency
(2) 特征选取 重 要 大 气 污 染 物 PM 2. 5 及 PM 浓 度(李 星 敏 等 ,
10
在机器学习算法确定的前提下, 数据特征工程 2014)。另外, 基于前期的统计分析, 关中的低能见
的设计对提升模型准确率起着决定性作用。低层 度天气发生频次分布有明显的地域性和日变化特
水汽含量、 大气稳定度、 地面冷却条件及低层悬浮 征, 故也选取了测站海拔(Alt)和整点时刻(hour)作
颗粒物是影响近地面能见度的重要因素(丁一汇和 为模型输入特征。综上共选取以下37个模型输入特
柳艳菊, 2014; 张宏芳等, 2023)。本文选取了代表 征, 其中站号(station_ID)进行了编码处理, 见表1。
地面及近地层湿度的 2 m 温度露点差[(T-Td) ]、 2. 3 模型建立方案
2m
相对湿度(RH ), 1000~950 hPa 的相对湿度; 代表 LightGBM 是微软开发的高效梯度提升决策树
2m
大气扩散条件的风速(WS ), 1000~925 hPa的水平 表1 模型输入特征选取
10m
经向及纬向风(以下简称 U、 V 风); 反映地面辐射 Table 1 Selection of model input features
冷却强度的 2 m 温度(T )及 24 h 变温(T ); 反映 分类 特征因子
2m
24h
区域气压系统的演变趋势及层结稳定状况的海平
地面 T 、 (T-Td) 、 RH 、 WS 、 T 、
2m 2m 2m 10m 24h
面气压(Prs)、 3 h 变压(P )及 24 h 变压(P )(李沛 Prs、 P 、 P 、 PM 、 PM 10
24h
3h
24h
3h
2. 5
等, 2012; 林建等, 2008); 代表低层暖湿平流的 高空 RH 1000 、 RH 、 RH 、 RH 、 RH 、 RH 、
850
500
700
600
925
1000~700 hPa 的 U、 V 风, 温度及相对湿度(刘瑞芳 T 、 T 、 T 、 T 、 T 、 T 、
1000 925 850 700 600 500
等, 2017); 反映中层大气干冷平流(利于地表辐射 U 1000 、 U 、 U 、 U 、 U 、 U 、
700
600
850
925
500
降温)的 600~500 hPa 的 U、 V 风、 温度及相对湿度 V 1000 、 V 、 V 、 V 、 V 、 V 、
500
925
850
600
700
(王璐璐和谭江红, 2024); 影响关中地区能见度的 其他 Alt、 hour、 station_ID

