《Atmosphere》：Microclimate Modeling of UHI Mitigation Scenarios in a Historical Urban District
编辑推荐：
区域10米风速产品将覆盖范围扩展至稀疏的站点网络之外，但其误差随风况和位置而变化。本研究评估了一种基于站点训练的LightGBM校正方法，用于海南岛5 km WRF/HNR风速产品。研究人员使用四邻域反距离算子将原始场和校正场与站点进行匹配。在剔除五个坐标重叠
区域10米风速产品将覆盖范围扩展至稀疏的站点网络之外，但其误差随风况和位置而变化。本研究评估了一种基于站点训练的LightGBM校正方法，用于海南岛5 km WRF/HNR风速产品。研究人员使用四邻域反距离算子将原始场和校正场与站点进行匹配。在剔除五个坐标重叠站点后，空间分离的2022年保留测试集保留了67个站点。在582,610个公共逐时配对中，校正后均方根误差（RMSE）从3.198降至1.211 m s?1，皮尔逊相关系数（R）从0.368增至0.651。配对RMSE降低量为1.986 m s?1 [95%置信区间（CI）1.839, 2.122]。改进在低于3.4 m s?1时最大（2.203 m s?1），并在3.4–7.9 m s?1范围内保持正值（0.566 m s?1）。相比之下，校正后RMSE在8.0–10.7 m s?1范围内增加了0.990 m s?1，在≥10.8 m s?1范围内增加了1.656 m s?1。仅时间调整将合并RMSE降至1.870 m s?1，但也使两个较高风速层退化。2016–2022年地图显示校正产品气候态较低，海南缓冲区平均校正减原始增量为?2.273 m s?1。时间划分和自动气象站（AWS）选择的站点组显示出季节、一天中时间和环境的差异。该校正降低了轻至中等风速下的站点采样误差；它改变了风速大小，同时保留了原始产品的风向。
论文解读：海南岛5 km WRF/HNR风速产品的LightGBM校正与独立空间评估
研究背景方面，海南岛兼具热带气候、沿海平原和中部山地，海陆风、地形与季风共同造成近地面风场强烈的局地差异。区域10米风速产品虽能提供超越稀疏站点的连续空间覆盖，但在不同风况和地理位置下误差变化显著。已有研究指出，该研究使用的5 km WRF/HNR产品相对观测存在系统性正偏差，且WRF模式对地形、边界层参数化等配置敏感。因此，直接使用单一站点集合评分不足以判断区域产品的适用性，有必要在空间分离的测试集上评估统计后处理能否降低站点采样误差，并明确其适用风速范围。
研究人员利用2016–2022年海南岛362个逐时地面气象站观测和同期5 km WRF/HNR产品，训练LightGBM梯度提升树模型对10米风速进行校正。研究首先按20%比例随机且按站点划分测试集，排除5个与开发站坐标完全重叠的站点后，保留67个站点作为2022年独立空间测试集。原始场和校正场均采用同一四邻域Haversine反距离算子匹配到站点位置，并预先定义固定观测风速层，以区分轻风、中风和强风条件下的性能。该研究的样本来源为海南岛区域地面站观测，其中290个站用于开发，67个站用于独立评估。
在主要技术方法上，研究人员使用了以下关键手段：其一，LightGBM模型，最终配置包含79个预测因子，采用L1损失、3000轮提升、学习率0.03、63个叶节点，并对观测风速≥8.0 m s
?1的样本施加五倍训练权重；其二，模型选择流程为2016–2020年拟合、2021年验证，选定后重新拟合至2021年，再对2022年进行独立评估；其三，构造仅基于日历时间（UTC小时×月份）的平均残差对照模型，用于检验时间偏差校正的独立贡献；其四，采用留一区外（leave-one-zone-out）敏感性分析，每次完整留出一个经验站点环境分组，检验模型对不同地形和暴露条件的空间转移能力；其五，开展高风速加权、损失函数等控制实验和500轮超参数敏感性实验。全部站点数据和网格产品均为公开可得的观测与再分析类数据，不涉及生物样本或实验操作。
研究结果部分，首先在风况误差与独立2022性能方面，原始WRF/HNR误差随观测风速层发生符号反转：低风速层正偏差、高风速层负偏差。在582,610个公共逐时配对中，校正后RMSE从3.198降至1.211 m s
?1，皮尔逊R从0.368升至0.651；配对RMSE降低量为1.986 m s
?1（95% CI 1.839–2.122）。分层来看，<3.4 m s
?1层RMSE降低2.203 m s
?1，3.4–7.9 m s
?1层降低0.566 m s
?1；但8.0–10.7 m s
?1层RMSE增加0.990 m s
?1，≥10.8 m s
?1层增加1.656 m s
?1。时间对照模型虽将合并RMSE降至1.870 m s
?1，但同样导致两个高风速层退化。
在空间调整格局方面，2016–2022年多年平均图上，所有有效网格单元的校正增量均为负，域平均增量为?2.273 m s
?1；67个测试站全部表现为校正后RMSE下降，校正剩余偏差的空间变异性仍存在，但整体与网格统计一致。
在季节和昼夜变化方面，冷季、过渡季和暖季的平均空间增量分别为?2.324、?2.321和?2.078 m s
?1；局地时间14 LST增量为?3.525 m s
?1，02 LST为?1.410 m s
?1，说明白天调整幅度明显大于夜间。独立评估显示，各季节中低于8.0 m s
?1的风层层均获改善，而两个高风速层在所有季节均退化。
在年际和站点环境对比方面，2016–2021年开发期的年度、季节和逐时RMSE校正后均低于原始产品；四类站点环境（沿海风影响型、东北过渡型、内陆弱风型、山地内陆型）的全样本RMSE降低量为1.821–2.283 m s
?1。留一区外检验在所有被留出的环境组中均得到较低的全体风层校正RMSE，降低量为1.903–2.356 m s
?1，但每个折中的两个高风速层仍差于原始场。
在大风和观测定义情境方面，2022年10月19日13 LST为AWS选择的大风小时，该小时校正后RMSE和偏差均低于原始，但固定高风层统计仍表明校正后误差更大；2016年10月18日的强风案例中，校正后宽范围RMSE下降，但站点最大风速从28.2 m s
?1衰减到15.4 m s
?1。高风速样本仅占训练行数的0.595%，即使采用五倍加权，校正后P95为9.431 m s
?1，仍低于观测P95的12.300 m s
?1。
讨论部分指出，校正收益集中于低于
