彭宇翔，劉 濤，文繼芬，李 皓，唐辟如，李懷志

（貴州省人工影響天氣辦公室，貴陽 550081）

目前，風(fēng)云二號（G 星）衛(wèi)星提供的云頂溫度、云頂高度、液水路徑、過冷層厚度、光學(xué)厚度、有效粒子半徑以及黑體亮溫等7 項衛(wèi)星反演產(chǎn)品對于冰雹的監(jiān)測預(yù)警業(yè)務(wù)作用巨大。

近年，部分學(xué)者利用衛(wèi)星通道和反演產(chǎn)品進(jìn)行了對流云及冰雹個例方面的研究。2004 年，安曉存等開展了云頂亮溫梯度特征分析，初步了解了云頂亮溫跟冰雹的變化關(guān)系；2014 年，孫玉穩(wěn)等學(xué)者分析了1987年的5 次冰雹天氣冰雹和降水分布特征；2018 年，朝魯門依托了衛(wèi)星遙感對冰雹災(zāi)害的監(jiān)測方法進(jìn)行研究；2019 年，倪煜淮等利用了風(fēng)云二號（D 星）逐小時亮溫分析對冰雹天氣過程進(jìn)行分析；2020 年，劉小艷等對利用統(tǒng)計方法對貴州降雹個例風(fēng)云二號（G 星）反演產(chǎn)品時間變化以及特征參數(shù)進(jìn)行研究。而現(xiàn)階段還沒有相關(guān)學(xué)者基于Logistic 回歸模型，利用風(fēng)云二號（G 星）衛(wèi)星的反演產(chǎn)品開展降雹識別技術(shù)研究。風(fēng)云二號（G 星）衛(wèi)星的反演產(chǎn)品已經(jīng)用于貴州冰雹天氣監(jiān)測預(yù)警業(yè)務(wù)中，但針對風(fēng)云二號（G 星）衛(wèi)星反演產(chǎn)品是否對降雹事件具有實質(zhì)性的指導(dǎo)作用，暫無深入研究。因此，本研究主要基于風(fēng)云二號（G 星）衛(wèi)星7 項反演產(chǎn)品，建立Logistic 回歸模型，檢驗風(fēng)云二號（G 星）衛(wèi)星的反演產(chǎn)品降雹事件的識別作用。

本文以風(fēng)云二號（G 星）衛(wèi)星的7 項反演產(chǎn)品作為輸入?yún)?shù)，建立Logistic 回歸降雹識別模型，利用檢驗集數(shù)據(jù)對模型降雹識別效果進(jìn)行檢驗，驗證風(fēng)云二號（G 星）衛(wèi)星的反演產(chǎn)品對降雹識別的有效性。

1 數(shù)據(jù)與方法

1.1 風(fēng)云二號（G 星）衛(wèi)星數(shù)據(jù)

風(fēng)云二號（G 星）是風(fēng)云2 號（03 批）衛(wèi)星中的第2顆，2014 年升空，2015 年投入氣象觀測業(yè)務(wù)。

本研究收集了2020 年3—5 月的11 個冰雹日（共計136 組）的風(fēng)云二號（G 星）衛(wèi)星反演產(chǎn)品數(shù)據(jù)（分別包含了68 組降雹點和未降雹點數(shù)據(jù)），將每個降雹點降雹時刻前后15 min 內(nèi)的反演產(chǎn)品作為該點的數(shù)據(jù)。同時，選取相應(yīng)數(shù)量的未降雹點數(shù)據(jù)進(jìn)行對比。該數(shù)據(jù)集被分為了訓(xùn)練集跟檢驗集。訓(xùn)練集為隨機(jī)選取的其中116 組數(shù)據(jù)，用于訓(xùn)練模型（分別包括58 組降雹點與未降雹點數(shù)據(jù)），模型檢驗集為剩余20 組數(shù)據(jù)（分別包括10 組降雹點與未降雹點數(shù)據(jù)）。

1.2 Logistic 回歸模型

Logistic 回歸模型是一種廣義的線性回歸分析模型，常用于數(shù)據(jù)挖掘、疾病自動診斷、經(jīng)濟(jì)預(yù)測等領(lǐng)域。該模型常用來處理二分類問題。事實上冰雹的識別就是一種二分類問題，即：降雹與未降雹。將是否降雹作為因變量，并假設(shè)y=1 表示降雹，y=0 表示未降雹，這樣就將冰雹識別轉(zhuǎn)換成了“0-1 型”因變量的識別問題。要建立識別模型就需要對模型進(jìn)行兩個方面的改進(jìn)：第一，回歸函數(shù)應(yīng)該改用限制在[0，1]區(qū)間內(nèi)的連續(xù)曲線，常用的就是Logistic 回歸模型，模型的形式是f（x）=ex/（1+ex）；第二，因變量yi本身只取0 或1 兩個離散值，因此可以用yi=1 的概率代替yi本身作為因變量。在冰雹識別Logistic 模型的建立中，用降雹的概率作為模型的因變量，Logistic 冰雹識別模型就可以表示為p（yi）=exp（a0+aijxij）/（1+exp（a0+aijxij）），其中xij為模型輸入變量，i為樣本量，j為自變量數(shù)量。這樣p（yi）的取值就被限制在[0，1]區(qū)間，p（yi）可理解為yi=1 的概率，當(dāng)p（yi）∈[0，0.5）時，yi=0，即未降雹；當(dāng)p（yi）∈[0.5，1]時，yi=1，即降雹?；谠摾碚?，可建立冰雹云識別Logistic 回歸模型，并對冰雹云進(jìn)行識別。

2 結(jié)果和討論

2.1 Logistic 回歸模型建立

利用訓(xùn)練集完成Logistic 回歸模型建立（式（1））

式中：x1為云頂高度、x2為云頂溫度、x3為過冷層厚度、x4為光學(xué)厚度、x5為有效粒子半徑、x6為液水路徑、x7為黑體亮溫。

2.2 模型識別效果檢驗

收集2020 年3—5 月11 個冰雹日中的136 組風(fēng)云二號（G 星）反演數(shù)據(jù)。其中116 組用于建模，剩余20 組進(jìn)行檢驗（檢驗結(jié)果見表1）。

表1 模型識別檢驗結(jié)果

表1 為Logistic 回歸模型冰雹識別的主要結(jié)果，包括隨機(jī)選取的10 個降雹點和10 個未降雹點，識別結(jié)果統(tǒng)計見表2。

表2 模型識別結(jié)果統(tǒng)計

識別結(jié)果顯示：所建Logistic 回歸模型冰雹識別準(zhǔn)確率為85%，其中對10 個降雹點識別準(zhǔn)確率為90%，對10 個未降雹點識別準(zhǔn)確率為80%。在對冰雹天氣進(jìn)行識別的業(yè)務(wù)中，通常會存在一定的漏報率和空報率，其中漏報是發(fā)生了降雹事件沒有成功識別，空報是沒發(fā)生降雹事件但識別出了降雹，因此，空報和漏報均是錯誤識別的現(xiàn)象，且都無法100%消除。但是，從防災(zāi)減災(zāi)的角度，為了減少冰雹等災(zāi)害造成的損失和危害，對冰雹等災(zāi)害的識別預(yù)警通常采取的是寧愿空報不漏報，為此對模型的漏報率和空報率進(jìn)行分析（見圖1 和圖2）。

圖1 降雹事件識別準(zhǔn)確率與漏報率

圖2 未降雹事件識別準(zhǔn)確率與空報率

從圖1 和圖2 可知：Logistic 回歸冰雹識別模型對降雹事件識別準(zhǔn)確率為90%，漏報率為10%，對未降雹事件的識別準(zhǔn)確率為80%，空報率為20%。因此Logistic 回歸冰雹識別模型的空報率明顯高于漏報率，這也符合冰雹等災(zāi)害識別業(yè)務(wù)中的“寧愿空報不漏報”的方式，因此該模型對冰雹識別預(yù)警工作有著非常重要的作用。

3 結(jié)論

本文以風(fēng)云二號（G 星）衛(wèi)星的7 項反演產(chǎn)品建立Logistic 回歸模型，對貴州2020 年的降雹事件進(jìn)行識別，這7 項反演產(chǎn)品包括：云頂溫度、云頂高度、液水路徑、過冷層厚度、光學(xué)厚度、有效粒子半徑以及黑體亮溫。數(shù)據(jù)集共136 組數(shù)據(jù)（包括降雹點和未降雹點數(shù)據(jù)各68 組）。隨機(jī)抽取116 組作為訓(xùn)練集建立Logistic 回歸冰雹識別模型，利用剩余20 組數(shù)據(jù)作為模型檢驗集，驗證效果。結(jié)果表明，Logistic 回歸冰雹識別模型對降雹的識別準(zhǔn)確率為85%（對檢驗集中的10 個降雹點識別準(zhǔn)確率為90%，10 個未降雹點識別準(zhǔn)確率為80%）。因此，衛(wèi)星反演產(chǎn)品對降雹識別研究是十分有意義的。