为弥补“天气现象视频智能观测仪”在云状识别中存在的纯视觉观测局限，以2023年5月1日至2024年4月30日张掖国家气候观象台试验外场的毫米波云雷达、全天空成像仪等器测数据为基础，结合人工观测云状记录及地面自动站气象资料，构建多源融合的人工智能（Artificial Intelligence，AI）云状识别样本库。选取多种类型机器学习算法开展训练与性能评估，结果表明，支持向量机模型在综合识别精度与稳定性方面表现最佳，可实现对卷积云、卷云、高积云、高层云、雨层云、层云、层积云、积雨云、积云9种云状及降水天气的自动识别。通过4个典型日云分类个例的验证显示，模型能精准识别多层云结构，识别结果与人工观测高度一致。本文在数据集构建的多源融合性及算法适配性方面均有明显改进，云状识别种类增加33%，准确率提升15%。
通过对张掖站1985 ～ 2001 年5 ～ 9 月E601( 金属制) 与玻璃钢制蒸发资料及E601 型与小型蒸发观测资料进行相关分析和对比分析，得到如下结果: ( 1) 金属制与玻璃钢制E601 型蒸发资料可做为同一资料序列使用; ( 2) E601 型与小型蒸发资料相关性达88% 以上，由比值折算系数求得的气候估计值与实际观测值更接近，优于使用一元线性回归系数折算的气候估计值资料序列，可以根据需要实现E601 型与小型蒸发资料序列的相互补充订正，在气象业务与服务中应用。
甘公网安备62010002000425号
陇ICP备17000949号-2
