AI生成热带气旋的气候学基准测试

本研究对基于AI的全球气候预报模型生成的热带气旋（TC）进行全面的气候学基准测试。使用2020至2025年北大西洋和西太平洋的所有热带气旋事件，我们评估了两种AI模型（Pangu-Weather和Aurora）在再现观测TC轨迹密度、气候特征分布以及与TC理论的物理一致性方面的能力。通过将AI模拟的TC与ERA5再分析进行比较，我们对强度、大小、前进速度的分布进行基准测试，并评估模型可信模拟外缘气旋转换的能力。结果表明，Pangu和Aurora在再现风暴轨迹密度、前进速度分布和外缘大小分布方面表现良好。Aurora在模拟风暴强度方面表现出改进，最小中心压力和最大风速分布偏差较小。然而，两者在风暴内小尺度（最大风速半径）分布上的估计偏高，尤其是针对极端事件。AI模型准确捕捉到外缘气旋转换模式的相对频率和时间演化。AI模拟的TC也不太可能符合梯度风平衡，表明在许多情况下，AI生成的TC可能不够物理真实。本基准测试识别了系统性偏差，可指导未来的纠正并支持AI模型在TC灾害和风险评估中的扩展应用。我们的工作为使用AI气象模型进行TC气候学和灾害研究奠定了基础。