基于机器学习的大城市暴雨实况积水识别OA
通过制定积水数据清洗策略,构建历史积水观测、精细化地形及历史气象数据等数据集;采用LightGBM机器学习方法,建立暴雨实况积水识别模型;构建1 h更新、1 km×1 km分辨率的积水识别系统。以北京市为例,结果表明:(1)该方法可有效识别暴雨积水,较精准地刻画暴雨积水的时空分布特征;(2)模拟值与观测值的相关系数为0.70,呈显著正相关,模型能有效捕捉不同点位积水深度;(3)将复杂气象专业数据转化为用户易理解的积水信息,可为公共服务提供有效的技术支撑。
章芳;陈宇;于廷照;黄琰;李志敏
中国气象局公共气象服务中心,北京100081中国气象局公共气象服务中心,北京100081中国气象局公共气象服务中心,北京100081中国气象局公共气象服务中心,北京100081中国气象局公共气象服务中心,北京100081
天文与地球科学
机器学习暴雨实况积水模型数据清洗多源数据融合
《沙漠与绿洲气象》 2026 (4)
P.177-183,7
中国气象局公共气象服务中心创新基金项目(Z2023002)。
评论