水平降落

使用机器学习的雷达和基于环境的冰雹损害估计

摘要。大型冰雹事件通常很少发生，在特定位置发生的发生之间存在很大的时间差距。但是，当这些事件确实发生时，它们可能会在几分钟之内造成快速而大量的经济损失。因此，至关重要的是，具有准确服从并理解冰雹现象以改善这种影响的线索至关重要。虽然原位观察是准确的，但单个风暴的数量有限。天气雷达提供了更大的观察脚印，但是当前雷达衍生的冰雹尺寸估计值由于水平降落时的水平对流而表现出较低的精度，冰雹尺寸分布（HSD），复杂的散射和衰减和混合水流类型的变化。在本文中，我们提出了一种新的雷达衍生的冰雹产品，该产品使用大量的冰雹损害保险索赔和雷达观察结果进行了探测。，我们使用这些数据集以及环境信息来计算冰雹损害估计（HDE），旨在量化冰雹影响的深度神经网络方法，其关键成功指数为0.88，并确定了针对观察到0.79损害的确定。此外，我们将HDE与流行的冰雹尺寸产品（网格）进行了比较，从而使我们能够识别与网格上偏见相关的气象条件。环境具有相对较低的特异性湿度，高斗篷和CIN，高风速高高，地面的南风与负网状偏置相关，可能是由于HSD，HSD的差异，冰淇淋硬度或混合水合物的差异。相比之下，高斗篷，高CIN和相对较高的湿度高的环境与正面的网格偏置相关。