用深度学习识别ERA5探空资料中的闪电过程
摘要：通过机器学习、高分辨率再分析和精确的闪电观测，不需要先前的专家知识，可以识别出对闪电有利的大气环境。为了识别有利于闪电的垂直剖面，一个深度神经网络将ERA5垂直云物理、质量场变量和风速与奥地利闪电探测和信息系统（ALDIS）的闪电位置数据进行连接，转换成二进制目标变量，将ERA5单元格标记为闪电和非闪电单元格。ERA5参数取自对流层顶以及模型水平层，形成一个约670个特征的输入层。2010-2018年的数据用于训练和验证。在独立测试数据2019年上，深度网络优于基于气象专业知识的参考模型。Shapley值突出了网络学习到的大气过程，识别出上中对流层中云冰和雪含量作为相关特征。由于这些模式对应于雷暴云中的电荷分离，深度学习模型可以作为对闪电的物理意义描述。
作者：Gregor Ehrensperger and Tobias Hell and Georg J. Mayr and Thorsten Simon
论文ID：2210.11529
分类：Atmospheric and Oceanic Physics
分类简称：physics.ao-ph
提交时间：2022-10-24