#科研热点# 【机器学习揭示并订正ERA5在地球第三极的云底高度系统偏差】近日，中国科学院大气物理研究所中层大气和全球环境探测实验室-羊八井全大气层观测站研究团队，提出物理重构 + 机器学习融合的两步式 CBH 订正框架。第一步依据 ECMWF 官方协议重构 ERA5 137 层模式的几何高度场，并以云量和凝结水含量双约束识别云底，参数标定参考羊八井站 3 年的激光雷达观测数据，初步构建区域化的云底高数据集（ERA5_NEW）；第二步以 CALIPSO 星载激光雷达 CBH 产品为参照样本，融合 ERA5_NEW 垂直廓线与地表属性，通过贝叶斯框架对 XGBoost 模型进行超参寻优。
研究表明，物理重构数据在羊八井站经地基激光雷达独立验证,CBH平均偏差绝对值由 1.8 km 收敛至 0.1 km，为整套框架的精度提供了可信基线。第二步机器学习融合进一步将测试集 RMSE 降至 1.87 km、R² 提升至 0.71、平均偏差降至 -0.02 km；原始 ERA5 相对 CALIPSO 在高原南部高达 -5.20 km 的偏差收敛至 -0.11 km，四季相关系数稳定在 0.72–0.86，证实了方法在不同季节与地形条件下的稳健性。特征重要性分析显示，温度通过控制抬升凝结高度与对流触发，是最重要的预测因子。查看更多 http://t.cn/AXiu40Bx