摘要:針對基于機器學習的雷暴預測問題提出了一種新方法，該方法將應用于氣象衛星圖像的二維光流算法誤差作為機器學習模型的特征。為了考慮空間鄰近性，根據特征訓練不同的樹分類器模型以及神經網絡，以預測未來幾個小時內的閃電，即臨近預報。通過比較不同模型的預測能力以及不同特征對分類結果的影響。研究結果表明，對于未來15min的預測，該方法準確率高達96%，隨著預測時間的增加，準確率略有下降，但對于長達5h的預測，準確率仍然高于83%。該方法為雷暴預警預測方法選用提供了新的思路。

　　關鍵詞:機器學習;樹分類器;神經網絡;雷暴預測;臨近預報

　　0引言

　　盡管天氣預報精準率在過去的幾十年中取得了長足進步，但仍然是一項計算量巨大的任務，需要在大型超級計算機上運行極其復雜的模型[1-2]。除提供諸如溫度等變量的預報外，氣象服務的一項關鍵任務是惡劣天氣條件預測[3]。雷暴是這種現象之一，通常伴隨著大雨、雷電、冰雹和強風。但是，預測雷暴并給出關于其嚴重程度和運動方向的準確信息仍是一項艱巨的任務。目前先進的天氣預報系統通常將大量數據源組合在一起，生成空間分辨率為1km×1km、時間分辨率為5min的警報，以應對雷暴等惡劣天氣條件。

　　光譜衛星頻道的亮度、溫度及其差異超過某一閾值可解釋為可能導致雷暴的臨界條件。雷達系統用于探測大氣中的水粒子和可能發展為雷暴的云，而數值天氣預報(NWP)模型提供了對近風暴環境的估計，在雷電探測系統中，可以通過測量電波定位雷暴位置。即使使用較先進的模型，雷暴的預測仍較困難，特別是當預報時間超過1h時，誤報率增加到80%以上。迄今為止，衛星數據已成為許多天氣預報產品的一部分，并在較大的預報期內顯著提高了性能。但是，即使將高時空分辨率結合在一起，衛星數據仍無法用于雷暴的精準預測[4-6]。

　　因此，基于上述考慮，研究了一種基于衛星數據預測雷暴云的新方法，該方法使用機器學習技術，其核心思想是將第一預測模型的預測誤差作為特征，將該誤差特征用于實際的第二個不同的預測模型[7-8]，為雷暴預警預測方法選用提供了新的思路。

　　1方法論

　　基于衛星的雷暴預報通常基于對不同光譜波段觀測到的大氣亮度溫度的分析，若亮度溫差達到臨界閾值，則預報系統會發出雷暴警告[9-10]。NWP穩定性指標通常支持基于衛星的方法，該指標用作系統勢能的指標。常用的指標有對流有效位能(CAPE)和上升指數(LI)，所有這些指數基本上都考慮了大氣中不同高度的潛在溫度(用壓力來描述)。差異越大，大氣變得不穩定的可能性越大，形成對流系統進而導致雷暴的幾率越大。

　　1.1誤差特征提取

　　基于機器學習的雷暴預警方法不是直接從衛星圖像中提取特征[11]，而是基于使用光流算法(如TV-L1)預測先前圖像的下一幅圖像所產生的誤差[12]。圖1顯示了該方法的概要(使用TV-L1讀取兩個連續的衛星圖像T-30和T-15，以預測下一個圖像0。將誤差計算為0和原始圖像T0之間的絕對差，利用這個誤差來預測基于不同分類器的雷電[13-14])。其核心思想可以表述為:空氣在大氣中的運動是一種三維現象，而第三維表示為衛星圖像上的亮度。

　　基于過去觀測結果預測未來圖像的光流算法只能檢測和預測二維運動。因此，應用光流產生的誤差可能與云的垂直運動有關，即對流的跡象，可能導致雷暴。可以使用機器學習算法來了解這些誤差值與雷電發生之間的關系，而雷電又是雷暴出現的信號。該方法并未嘗試改善用于預測衛星圖像的光流模型，而是將第一個模型的誤差解釋為訓練另一個不同模型來預測雷電的特征。

　　1.2數據預處理

　　由于機器學習模型依賴精心設計的特征來學習與某些目標變量的關系，因此介紹將原始數據轉換為模型中使用的特征所必需的步驟。

　　1.3實驗設置

　　本文所進行的實驗是基于四重交叉驗證，即可以將三套訓練組合在一起，同時使用剩下的一組進行測試。實驗所用的數據集大約涵蓋一個月，從2019-06-0100∶00到2019-07-0406∶30。實驗中，沿時間軸拆分此集合，以12h為間隔。由于對高度不平衡的數據進行訓練較困難，因此選擇在每個圖像的基礎上進行下采樣，這意味著對圖像上出現雷電事件的所有圖塊進行了采樣，并從同一圖像中隨機選擇了相同數量的沒有雷電事件的圖塊。由于在提取原始數據、二值衛星數據和預處理步驟中存在各種數據誤差。

　　2雷暴預測方法性能評估

　　顯示了時間范圍為2019-06-0100∶30至2019-06-0306∶15的WV6.2通道的誤差值分布。第一列是指在這個時間范圍內所有圖像上的所有圖塊，而后兩列則代表未來15min內的無雷電和有雷電兩個類別。通過比較這些值，可以發現有雷電的平均誤差高于無雷電的平均誤差，可以得出這 樣的結論，高數值更有可能表明雷電的存在。表2還顯示了數據集的極度不平衡。在超過2.3億個樣本中，只有169912個樣本屬于閃電類，僅占0.074%的比例，如果對所有可用數據進行計算，這個比例會下降到0.066%。

　　2.1近期雷暴預測

　　為了檢查假設是否正確，可以訓練機器學習模型預測雷電，首先通過實驗進行近期雷暴預測:根據T-30、T-15和T0的衛星圖像所產生的誤差，預測未來15min內(在T0和T+15之間)是否會有雷電。可以在第一組實驗中使用基于樹分類器，因為與神經網絡相比，該分類器在進行預測方面可提供更高的透明度。選擇用于評估的模型是簡單的決策樹以及基于它們的集成方法，如決策樹分類器、隨機森林分類器、級聯分類器及梯度增強分類器。對于大多數參數，使用文檔中指定的默認值，同時，采用一些參數來避免過度擬合和限制訓練時間。

　　正如預期，簡單的決策樹在每個測試集中顯示出最差的性能，準確性在84%到89%之間。梯度增強效果最好，精度結果介于89%和92%之間。表格的最后一行顯示了所有測試集的準確性，強調了強梯度增強模型、弱決策樹模型和隨機森林以及兩者之間的AdaBoost模型。改進隨機森林和梯度提升之間約2%的改進是以更長的訓練時間為代價的，對于由交叉驗證集0、2和3組成的最大訓練集，在所有CPU內核上并行進行的隨機森林訓練階段大約需要14min。但是，梯度增強算法大約需要818min，是隨機森林持續時間的54倍以上。

　　農業論文投稿刊物：《南方農業》創刊于2006年，是由重慶市農業委員會主管，重慶市農業科學院主辦的農業學術刊物。主要欄目：遺傳育種，栽培與植保，園林花卉，生理生化，生物技術，動物科學，農業機械，貯藏加工，農業經濟，產業發展，城鄉統籌，農業信息化等。

　　3結束語

　　①本文提出的雷暴預警方法使用基于光流的衛星圖像臨近預報產生的誤差值，訓練不同的樹分類器來預測近期的雷電，其準確度超過91%。使用具有較大內核尺寸卷積的特征對模型的準確性影響最大。

　　②添加異常誤差特征進一步提高了準確性，現在達到96%。即使最大預測時間為5h，模型的準確性仍保持在83%以上，明顯好于隨機猜測的50%準確性。與現有模型的結果進行比較，本文的方法清楚地表明，在相同召回率的情況下，誤報率較低，從而導致整體表現更佳。

　　③對比了決策樹、隨機森林、AdaBoost、梯度增強幾種算法模型和測試集的結果精度值，在相同召回率的情況下，誤報率較低，整體表現效果更好。盡管文中提出的雷暴預測方法可以有效預測未來5小時的雷暴，但是近6%的高假陽性率需要進一步調查，以使本文的方法可用于操作，這也是未來研究需要重點解決的問題。

　　參考文獻:

　　[1]韋青，李偉，彭頌，等.國家級天氣預報檢驗分析系統建設與應用[J].應用氣象學報，2019(2):245-256.

　　[2]羅霄，羅恒.天氣預報和氣候預測的技巧探析[J].南方農業，2017(11):103.

　　[3]相峰，韓貴香，劉慧.關于強對流天氣預報的信息化分析[J].科學與信息化，2017(31):19.

　　[4]李新芳.一次雷暴冰雹天氣衛星，雷達回波分析[C].第35屆中國氣象學會年會，2018.

　　[5]范小軍，羅燕，黎輝文，等.宜豐和上高縣級區域雷暴大風FY2G云圖特征分析[J].江西科學，2019(4):553-557.

　　[6]竹利，康嵐，王碧波.一次下擊暴流風暴的成因和結構特征分析[J].中低緯山地氣象，2019(1):15-22.

　　作者：于懷征