第二届未来大气科学论坛

阵风锋是一类常见且危险的中小尺度灾害性天气过程，通常伴随强风和风切变，并可引起风向、气压和气温的快速变化，对航空运行安全和公共安全均具有较大威胁。针对传统阵风锋识别方法自动化程度不足、对复杂个例适应性有限等问题，本文提出了一种基于深度学习的阵风锋自动识别算法。该算法以实例分割模型Mask R-CNN为核心，选取2009–2016华北平原和华东地区19部S波段天气雷达体扫资料作为样本来源。研究首先对雷达图像进行预处理，以减少噪声、缺测值和异常值的影响，并进行坐标转换；随后依据阵风锋在反射率因子、径向速度和谱宽产品中的典型表现进行人工标注，构建阵风锋样本数据集。最终共获取阵风锋样本3227个，其中2623个用于模型训练与验证，604个用于独立测试。测试结果表明，该模型对阵风锋具有较好的识别效果，命中率达到93.21%，虚警率和漏警率分别为3.60%和6.79%，临界成功指数为90.08%。此外，该算法对不同尺度、不同形态以及不同母体雷暴系统下形成的阵风锋均表现出较强的识别能力，显示出较好的业务应用前景。

阵风锋,多普勒天气雷达,深度学习,自动识别算法