利用 ERA5、ASOS 和 U-STN 模型进行英国天气预报的数据同化
大气与海洋物理
2024-01-17 v1 机器学习
摘要
近年来，数据驱动的机器学习模型与数据同化（DA）的融合为增强天气预报提供了一条有前景的途径。本研究深入探讨了这一新兴趋势，展示了我们的方法和成果。我们利用英国本地的 ERA5 850 hPa 温度数据，并对 U-STN12 全球天气预报模型进行了微调，使其预测适应英国的气候细微差别。我们从 ASOS 网络获取了代表英国各地地面观测的 T2m 数据。我们采用带有多项式漂移项的高级克里金方法，以实现一致的空间分辨率。此外，我们在 ERA5 T850 数据上叠加了高斯噪声，为随后的多时间步合成观测奠定了基础。在探究同化影响时，ASOS T2m 数据被整合到 ERA5 T850 数据集中。我们的见解揭示，虽然全球预报模型可以适应特定区域，但在数据同化中融入大气数据能显著提升模型精度。相反，直接同化地表温度数据往往会削弱这种增强效果，降低模型的预测能力。
引用
@article{arxiv.2401.07604,
title = {Data Assimilation using ERA5, ASOS, and the U-STN model for Weather Forecasting over the UK},
author = {Wenqi Wang and Jacob Bieker and Rossella Arcucci and César Quilodrán-Casas},
journal= {arXiv preprint arXiv:2401.07604},
year = {2024}
}
备注
Accepted in the Tackling Climate Change with Machine Learning Workshop@NeurIPS 2023, 8 pages, 2 figures