基于图神经网络的局部高分辨率温度预测
机器学习
2025-12-02 v1
摘要
热浪正在全球范围内加剧，是死亡人数最多的天气灾害之一。负担落在边缘化人群和全球南方，后者缺乏资源，面临城市热岛暴露，缺乏适应基础设施。然而，当前的数值天气预报模型往往无法捕捉微尺度的极端情况，使最易受影响的人群无法获得及时的预警。我们提出了一种图神经网络框架，用于局部、高分辨率的温度预测。通过利用空间学习和高效计算，本方法可生成多个预报时程，最高可达48小时。对于加拿大西南部的地区，模型在1-48小时预报中平均MAE为1.93C，48小时MAE为2.93C，使用24小时输入窗口在最大区域上进行评估。虽然此工作在数据丰富的背景下进行演示，但为数据受限的全球南方地区实现局部、公平的预报奠定了基础。
引用
@article{arxiv.2512.00546,
title = {A Graph Neural Network Approach for Localized and High-Resolution Temperature Forecasting},
author = {Joud El-Shawa and Elham Bagheri and Sedef Akinli Kocak and Yalda Mohsenzadeh},
journal= {arXiv preprint arXiv:2512.00546},
year = {2025}
}
备注
6 pages, 2 figures. Accepted to the NeurIPS 2025 Tackling Climate Change with Machine Learning Workshop