Page 292 - 《高原气象》2026年第3期
P. 292
高 原 气 象 45 卷
900
夜间时段, LightGBM 的 TS 值(0. 355)较 ECMWF
(0. 174)提升近 104%, POD 值为 0. 426(ECMWF 为
0. 197), 可见 LightGBM 模型对夜间低能见度天气
的捕捉与预报能力更具优势, 可为实际预报业务提
供更可靠的支持。
为量化模型对低能见度天气的预报增益, 引入
持续性预报作为参考预报(即采用预报时效前实况
值直接作为预报值), 并通过技巧评分评估 EC‐
MWF 与 LightGBM 模型的实际预报功效。结果显
示, 在低能见度(VIS≤1 km)预报中, ECMWF 与 图5 ECMWF模式与LightGBM模型技巧评分随预报时效
LightGBM 模型均表现出正技巧, 其中 ECMWF 的 的变化(以持续性预报为基准模型)
技巧评分为 0. 15, LightGBM 的技巧评分为 0. 22。 Fig. 5 Variation of skill scores of the ECMWF and LightG‐
BM models with forecast lead time (with the persistence
这表明两种模型均能有效捕捉低能见度天气, 且
forecast as the reference model)
LightGBM 模型的预报增益显著高于 ECMWF 模
式, 进一步验证了其对低能见度事件的订正优化效 捕捉能力更优且更稳定。
果。图 5 为两种模型技巧评分随预报时效变化曲 3. 2 基于SHAP的模型解释分析
线: 预报初期(3~6 h), 两个模型对低能见度天气的 本研究主要分析了各特征对模型预测低能见
技巧评分均为负值, 这是由于低能见度天气短时演 度(VIS≤1 km, 分级 0)天气的影响程度。图 6(a)为
变存在一定持续性, 这种固有属性本身使得持续性 模型中各特征对低能见度(VIS≤1 km)样本预测影
预报技巧很高。随着预报时效的增加(预报时效 9 h 响程度(前 20名)的条形图, 横轴为平均 SHAP绝对
后), LightGBM 模型维持正技巧且均优于 ECMWF 值, 纵轴为不同特征, 平均 SHAP 绝对值越大, 表
模式, 体现了其对低能见度天气中长期演变规律的 明对应特征对模型预测结果的影响越显著。从整
图6 低能见度(VIS≤1 km)样本预测的影响因素重要性排序(前20名)(a)及SHAP 值分布(b)
Fig. 6 Importance ranking of influencing factors (Top 20) (a) and distribution of SHAP values
of factors (b) that affect low visibility (VIS≤1 km) sample prediction

