一种用于技能气候系统预测的机器学习模型
机器学习
2025-05-13 v1
摘要
气候系统模型（CSMs）通过整合大气、海洋、陆地和冰河圈之间的跨领域相互作用，已成为解密气候动力学并提高预测能力的关键工具。近期的人工智能（AI）驱动气象建模取得的突破在单球系统和部分球体耦合系统上显示出惊人的成功。然而，开发覆盖大气-海洋-陆地-海冰相互作用的完全耦合 AI-based 气候系统模型仍是一个未解决的挑战。本文引入 FengShun-CSM，一个 AI-based CSM 模型，提供 60 天全球日度预测，覆盖大气、海洋、陆地和冰河领域的 29 个关键变量。该模型在预测大多数变量，尤其是降水、陆地表面和海洋组成部分方面，显著优于欧洲中期气象预报中心（ECMWF）的季节预报（S2S）模型。这种增强能力主要归因于其对季内变率模式的改进表示，尤其是明尼-朱里亚振荡（MJO）。令人惊讶的是，FengShun-CSM 在预测季节极端事件方面展现出巨大的潜力。这些突破将推动其在气象灾害防范、海洋生态系统保护和农业生产力提升等应用方面的发展。此外，它验证了通过机器学习技术开发 AI-powered CSMs 的可行性，为下一代地球系统建模开辟了一条变革性的范式。
引用
@article{arxiv.2505.06269,
title = {A machine learning model for skillful climate system prediction},
author = {Chenguang Zhou and Lei Chen and Xiaohui Zhong and Bo Lu and Hao Li and Libo Wu and Jie Wu and Jiahui Hu and Zesheng Dou and Pang-Chi Hsu and Xiaoye Zhang},
journal= {arXiv preprint arXiv:2505.06269},
year = {2025}
}