摘要：通過在湖南南岳高山氣象觀測站及懷化國家氣候基準站設立的外場試驗,采集2018年1-3月兩站逐分鐘積雪天氣現象攝像圖片,采用卷積神經網絡技術對南岳站積雪試驗圖片進行建模訓練,并用南岳站和懷化站的測試圖片進行檢驗,在此基礎上探討了基于深度學習的積雪天氣現象圖像識別的采集環境布局要求。主要結論如下:南岳站識別的正確率為99.23%,空判率為0.49%,漏判率為0.28%,白天識別結果優于夜間;判識積雪出現的概率在積雪形成初期明顯增加,維持期接近99.99%,且十分穩定,融雪時逐步降低;地面積雪形成初期和積雪結束期凝結物較少時偶爾出現漏判,當有雨凇、霧凇及其他背景污染時會出現個別時刻空判現象。懷化站測試結果與南岳站相似,正確率為97.78%,空判率為1.92%,漏判率為0.3%;但概率曲線波動較大,一方面由于懷化站圖片沒有參與建模訓練,另一方面可能與懷化站的攝像頭固定不佳、對焦不準、拍攝不清晰有關。測試結果表明:該人工智能判識模型較好地提取了積雪不同發展階段的關鍵特征,識別效果良好,并可通過增加氣象要素條件和根據判識的前后一致性進一步消除空漏判,可為此類天氣現象自動觀測提供重要技術支撐。