Page 88 - 《高原气象》2026年第3期
P. 88
高 原 气 象 45 卷
696
(Spatial Attention Module)构成, 这两个子模块基于 1 n
R MSE = ∑ ( R i - G i ) 2 (4)
平均池化和最大池化操作, 将它们顺序组合并嵌入 n i = 1
编码部分, 不仅能够学习到空间区域中值得关注的 n
∑ |R i - G i |
特征信息, 还能提取出更为关键的数据通道, 从而
R MAE = i = 1 × 100% (5)
提升模型在雷达降水估计中的性能。此外, 需要注 n
∑ G i
意的是, 由于模型训练样本涵盖时间维, 因此编码 i = 1
n
阶段, 本研究采用三维卷积和三维池化操作来提取 ∑ ( R i - G i )
数据样本中包含的时间维与空间维特征信息。 R MB = i = 1 n × 100% (6)
3. 4 Z-R关系与评估指标 ∑ G i
i = 1
本研究选用以下 Z-R 关系作为评估 CBAM U-
式中: R 为第 i 个估计值; G 为第 i 个观测值; R 和
ave
i
i
Net模型降水估计性能优劣的对比对象,
G 分别代表所有雷达降水估计样本以及所有气象
ave
1.331 (1)
R( Z H) = 452∙Z H
站观测样本的均值。
1.324 (2)
为实现对模型性能更加全面、 深入的评估, 本
R( Z H) = 346.3∙Z H
式(1)和式(2)分别由Zhang et al[2023, 下文简称
研究进一步引入分类评估参量, 旨在细致分析模型
为R(Z )-Z]和刘艳霞等[2024, 下文简称为R(Z )-L] 针对不同降水效率对流云的降水估计性能, 包括命
H
H
通过对成都地区雨滴谱数据拟合得到, 且它们均适
中 率(Probability of Detection, POD)、 空 报 率
用于夏季对流云的降水估计。在运用式(1)和式
(False Alarm Rate, FAR)以及临界成功指数(Criti‐
(2)进行降水估计时, 为避免 X 波段相控阵雷达在
cal Success Index, CSI)。其计算公式如下:
某些方位因地形阻挡等因素而存在数据缺失, 本研 TP
究的处理方法为: 读取雷达第一、 二层仰角下在地 POD = TP + FN (7)
面雨量计位置处的探测数据, 以及 CR(Composite FP
FAR = (8)
Reflectivity)产品在雨量计位置处的值, 然后取三 TP + FP
者均值作为Z 值进行计算。 CSI = TP (9)
H
为客观反映雷达降水估计值与雨量计观测值 TP + FP + FN
式中: TP 为雨量计观测值与估计值均大于阈值;
之间的误差, 本研究选取回归评估参量 CC、 R MSE 、
R MAE (Relative Mean Absolute Error)、 R (Relative FP 为雨量计观测值小于阈值, 而估计值大于阈值;
MB
Mean Bias)作为误差评估指标, FN 为雨量计观测值大于阈值, 而估计值小于阈值。
n 在分类评估指标中, 分钟雨量阈值的设置如表 3 所
∑ ( R i - R ave ) (G i - G ave ) 示, 阈值是依据四川省气象灾害预警信号发布与传
CC = i = 1 (3)
n n 播规定的成都地区发布暴雨预警信号标准(四川省
∑ ( R i - R ave ) ∑ (G i - G ave ) 2
2
i = 1 i = 1 人民政府令, 2024)计算得出。
表3 分类评估指标中分钟雨量阈值的设置及说明
Table 3 Setting and explanation of minute rainfall thresholds in classification evaluation metrics
要素 是否降水 小时雨强达20 mm·h -1 小时雨强达40 mm·h -1 小时雨强达70 mm·h -1
分钟雨量阈值
0. 1 0. 34 0. 67 1. 17
-1
/ (mm·min )
说明 表征模型估计晴雨 表征模型估计短时强 表征模型估计降水是否满足橙色 表征模型估计降水是否满足红色
的准确性 降水的准确性 暴雨预警信号标准的准确性 暴雨预警信号标准的准确性
3. 5 试验设置 研究基于 PyTorch 框架搭建了 CBAM U-Net 模型,
试验设置主要包括: (1)本研究将 2023 年数据 采用均方误差损失函数(Mean Squared Error Loss,
集作为模型训练集, 共有 85078 个数据样本(训练 MSELoss)作为优化目标, 并结合 Adam(Adaptive
样本 65000 个, 验证样本 20078 个); 2024 年数据集 Moment Estimation)优化算法进行模型训练。主要
作为模型测试集, 共包含 9893 个数据样本。(2)本 参数设置如下: Batch_size=8, Epochs=200, Learn‐

