热带气象学报

作者：丁新亚, 李骞, 汪天颖, 张亮, 刘宇迪, 张云鹏, 黄兵, 冯晓

单位：1.国防科技大学气象海洋学院，湖南长沙4100732.湖南省气象科学研究所，湖南长沙4101183.四川省气象灾害防御技术中心，四川成都6100724.湖南国天电子科技有限公司，湖南长沙410205

关键词：锋面自动识别, 机器学习方法, 气团标签, 适配器, AMA-UNet

基金：国家自然科学基金面上项目42075139；国家自然科学基金面上项目U2242201；国家自然科学基金面上项目41305138；中国博士后科学基金会项目2017M621700；湖南省自然科学基金2021JC0009；湖南省自然科学基金2021JJ30773；风云应用创业项目FY-APP2022.0605；高原与盆地暴雨旱涝灾害四川省重点实验室科技发展基金项目SCQXKJYJXZD202406；高原与盆地暴雨旱涝灾害四川省重点实验室科技发展基金项目SCQXKJQN202321；高原与盆地暴雨旱涝灾害

目前自动识别锋面的机器学习方法，因使用的锋面标签中有锋格点与无锋格点的比例严重不平衡，易导致训练的网络识别结果偏向无锋类别的问题，另外，网络输入的多气象要素，因特殊天气情况和地理位置等原因会产生数据特征冲突或者数据信息质量差的问题，造成输入数据与网络不匹配，后果是网络训练困难，识别准确度受影响。为此，提出一种基于气团标签训练AMA-UNet(自适应融合多气象要素U型网络)模型来进行锋面智能识别的方法，该方法使用欧洲中期天气预报中心的ERA5数据集的多个气象因子作为网络输入，将美国天气预报中心(WPC)提供的锋面数据集制作成气团标签以解决锋面标签中无锋类别与有锋类别的严重不平衡，同时利用AMA-UNet架构中的适配器解决输入数据与网络的不匹配问题，利于网络训练的同时，提高网络的综合性能。实验表明，气团作为标签比锋面直接作为标签训练的网络在评估指标上平均约提升5%，增加适配器后，网络在多评估指标上平均约提升3%，与其他方法相比各评估指标均有大幅提升。

来源：2024年第6期

《热带气象学报》期刊编辑部

查看热带气象学报杂志2024年第6期