Do Echo Top Heights Improve Deep Learning Nowcasts?

降水预报——即利用最近的雷达观测结果进行短期降雨预测——对于交通、农业和灾害减轻等气象敏感行业至关重要。虽然最近的深度学习模型在提升预报技能方面显示出前景，但大多数方法仅依赖二维雷达反射率场，放弃了来自完整三维雷达体积中可获得的垂直信息。本文探讨了将 Echo Top Height (ETH)，即给定阈值以上雷达反射率最大高度的二维投影，作为深度学习基于预报的辅助输入变量。我们检验了 ETH 与雷达反射率之间的关系，确认其在预测降雨强度方面的相关性。我们实现了一个单遍 3D U-Net 模型，将雷达反射率和 ETH 作为独立的输入通道处理。虽然我们的模型能够利用 ETH 在低雨率阈值以下提升技能，但在更高强度时结果不一致，且带有 ETH 的模型系统性地低估降水强度。使用三个案例研究说明 ETH 在某些情况下有助于，但也会使模型混淆并增加误差方差。尽管如此，本研究为关键性评估额外变量对预报性能的潜在贡献奠定了基础。