机器翻译，未经校对人员审核，可能存在错误。
在本文件中
本文介绍了Solargis冰雹风险模型背后的方法论。它涵盖了输入数据集、机器学习模型、输出定义以及结果解读的指导。
Solargis 平台的应用 |
|---|
该模型被应用于 Solargis Prospect。 |
概述
Solargis冰雹风险模型在全球范围内以空间和时间一致的方式量化长期暴露于有害冰雹环境的情形。该模型方法的灵感来源于关于 冰雹危害建模 的同行评审研究（Torralba 等，2023;普莱因与霍兰，2018年）。
冰雹对光伏资产构成明显威胁。标准光伏模块通常经过认证，能够抵抗中等程度的冰雹冲击，通常由直径约25毫米的冰球定义。暴露于较大的冰雹可能导致玻璃破裂、微裂纹和潜伏劣化，这些过程会持续多年。超过50毫米的冰雹常常超过认证限制，常常导致标准光伏资产立即被摧毁。随着公用事业规模光伏在易受对流活动影响的地区持续扩展，量化长期冰雹风险已成为选址与可行性评估、安装结构与跟踪器配置决策、光伏组件与玻璃规格选择以及保险评估和风险转移策略的关键输入。
该方法结合了ERA5大气再分析与基于观察到冰雹事件训练的随机森林机器学习模型。评估每小时的大气状况，并将结果汇总为长期气候指标：每年平均冰雹风险天数。
Solargis冰雹风险模型设计用于战略和规划应用，无法预测单个冰雹风暴或提供操作性预警。
重要提示： Solargis Forecast 产品涵盖了短期、基于事件的冰雹减灾。
输入数据集
ERA5大气再分析
主要输入是ERA5大气再分析（哥白尼气候变化服务），该系统通过将数值天气预报模型与广泛的观测数据结合，重建大气的历史状态。
ERA5被选用于该应用，因为它提供了：
采用统一方法论实现全球空间覆盖
多十年时间一致性
对流环境的物理连贯表示
ERA5提供控制冰雹形成的大气条件，包括不稳定性、垂直风切变、热力学结构、湿度可用性和冰点特性。
冰雹观测数据集
观察到的冰雹事件用于模型训练和独立验证。使用两个数据集，角色严格分离：
SPC冰雹报告 （NOAA风暴预报中心）：仅用于模型训练。SPC提供了美国境内冰雹观测的长而方法论一致的记录。
ESWD冰雹报告 （欧洲强风暴实验室）：仅用于独立验证。ESWD数据不包含在培训中，旨在验证模型是否能推广到SPC报告系统之外。
这种分离确保模型性能反映的是物理上有利于冰雹的环境，而非数据集特定的报告伪影。
模型设计
大气特征
模型输入特征代表了与冰雹形成相关的关键物理过程：
大气不稳定性支持强烈的上升气流
垂直风切变对风暴组织的影响
影响冰雹生长和融化的热力学结构
低中层对流层的水分供应
单次评估策略
大气条件在ERA5分析单一时间步评估，特征层面不应用时间聚合或滑动窗口。这种方法降低了对过拟合的敏感性，提高了可解释性，并确保Solargis冰雹风险模型学习的是物理上有利于冰雹的环境，而非事件特定的时间极端。时间持久性仅在输出聚合阶段被处理。
机器学习模型
随机森林分类模型将大气条件转化为概率冰雹风险信号。随机森林非常适合气候学应用，因为它们：
捕捉大气预测变量之间的非线性关系
多变量间的交互作用模型
在存在噪声或不完整的观测时保持稳健
通过集合平均进行极限过拟合
该模型专门基于SPC冰雹观测进行训练，包括冰雹和非冰雹环境，以确保学习的平衡。训练样本与测试样本之间的时间分离采用固定的多日时间块，减少了时间自相关引起的人工技能膨胀。采用多重随机拆分来评估模型稳定性。
模型验证
在开发过程中评估了多种替代特征配置和时间聚合策略，包括对流抑制和短时间窗口的使用。这些实验评估了模型的灵敏度和潜在的过拟合，并指导了最终生产装置的选择。
图1：在不同特征配置和时间策略中建模鲁棒性。假阴性和假阳性率在多个时间分段的列车/测试分段中平均。结果显示在配置和独立数据集间表现稳定，表明过拟合有限且推广稳健。
模型性能通过SPC和ESWD观测进行评估。验证确认，Solargis仅基于SPC数据训练的冰雹风险模型在与ESWD观测值进行评估时表现相当，表明它捕捉的是物理上有利于冰雹的环境，而非数据集特定的伪影。验证侧重于模型具备：
识别与冰雹有害相关的有利环境
在数据集中保持稳定的假阴性和假阳性率
推广到SPC系统的空间和报告特性之外
产出与气候学聚合
每小时冰雹风险信号
Solargis冰雹风险模型产生每小时的概率信号，表示大气环境有利于破坏冰雹的可能性。
冰雹风险日定义
小时概率在每日比例下汇总。当高置信度的冰雹有利条件在同一天持续数小时时，称为冰雹风险日。这种方法强调持续暴露在有利于冰雹的环境中，而非孤立且短暂的高峰。
后处理与归一化
对最终汇总输出应用单调尺度变换，以提升长期气候的可解读性和视觉一致性。这种转变：
压缩冰雹频率的动态范围
保持空间模式和相对风险排名
不修改底层机器学习模型或其预测
该转换仅应用于最终气候学输出，以增强跨区域的可比性。
长期气候学
每日冰雹风险指标会在多年内汇总，生成气候指标： 每年平均冰雹风险天数 （见图2）。平均月度汇总数据显示分析地点的季节性变异性（见图3）。
图2：全球冰雹风险模型输出（2015–2024年）。该地图突出显示反复遭受冰雹破坏环境的区域，并优化用于长期风险比较，而非事件级预测。
图3：每月平均可能发生重大冰雹事件的天数，显示三个选定地点的季节性变异性（见图2位置）。
如何解读数据
破坏性的冰雹事件本质上是局部性的。报告的计数以0.25°网格单元汇总，对应约28×28公里的面积。例如，值为5表示该区域平均每年可能发生多起局部破坏性冰雹事件，而非广泛或持续暴露。
全球显著冰雹潜力的分布极不均匀（见图2）：
灰色地带：无有利于显著冰雹形成的大气条件
绿地：偶尔有有利条件，每年大约有一次潜在事件
蓝色区域：每年最多五次潜在事件
紫罗兰区：每年可能发生五次以上
季节性变异在不同地区差异显著。图3展示了三个地点，每个地点平均每年约有七天易下冰雹，但季节性模式有显著差异：
戈亚，科连特斯（阿根廷）：大多数月份出现有利于冰雹的条件，表明季节调节较弱
美国堪萨斯州海斯：冰雹潜力集中在夏季，高峰期为5月至8月
印度西孟加拉邦阿萨诺尔：主要活动发生在季风前期，四月和五月达到强烈高峰
提示：对季节性变异进行表征有助于为光伏运营商全年及时规划监测、应急响应和缓解措施。
局限性
解读冰雹风险模型输出时存在以下限制：
该模型无法解析单个对流风暴。
短暂的极端冰雹事件可能并非明确孤立。
结果取决于ERA5重新分析的质量和空间分辨率（0.25°，约28公里）。
用于训练和验证的观察数据集存在报告偏差，尤其是针对人口稠密地区的偏差。
这些局限性是对严重对流现象大规模气候学分析的固有特征。
与冰雹预报产品的关系
Solargis冰雹风险模型和Solargis冰雹预测涵盖了冰雹风险的互补方面，共同构成了一个涵盖光伏资产全生命周期冰雹风险管理的综合框架：
冰雹风险模型 量化长期暴露，支持规划、场地选择和设计决策。
冰雹预报 为运营缓解提供短期预警。
延伸阅读
《利用ERA5大尺度变量模拟意大利冰雹危险》：Torralba， V.;埃宁，R.;坎特利，A.;斯科奇马罗，E.;Materia， S.;曼萨托，A.;瓜尔迪，S.
《全球冰雹危害估计》：Prein， A.F.;霍兰德，G.J.
“严重天气数据库档案（1955–2024）”：美国国家海洋和大气管理局风暴预报中心。
“欧洲严重天气数据库（ESWD）”：欧洲强风暴实验室（ESSL）。
“冰雹预报”：Solargis知识库。
“冰雹预报数据验证”：Solargis知识库。
“前景地图图层”：Solargis 知识库。