用于空气质量预报传输模拟的差分学习
机器学习
2024-02-23 v1 大气与海洋物理
摘要
空气质量不佳会对人类健康产生负面影响，包括增加呼吸系统疾病和心血管疾病的风险。由于近期全球及美国本地极端空气质量事件频发，亟需更高分辨率的空气质量预报指导以有效应对这些事件。美国国家海洋和大气管理局（NOAA）提供针对美国本土的空气质量预报指导，其空气质量预报模型基于 15 公里的空间分辨率，但目标是达到 3 公里的空间分辨率。由于模拟化学物种传输所需的计算资源过高，目前这一目标尚不可行。在本文中，我们描述了一种深度学习传输模拟器，该模拟器能够在保持与现有数值模型相当技能水平的同时减少计算量。我们展示了该方法在极端空气质量事件存在的情况下仍能保持技能水平，使其成为业务化应用的潜在候选方案。我们还探讨了如何评估该模型在给定一组物种的情况下保持模拟传输物理属性的能力。
引用
@article{arxiv.2402.14806,
title = {Difference Learning for Air Quality Forecasting Transport Emulation},
author = {Reed River Chen and Christopher Ribaudo and Jennifer Sleeman and Chace Ashcraft and Collin Kofroth and Marisa Hughes and Ivanka Stajner and Kevin Viner and Kai Wang},
journal= {arXiv preprint arXiv:2402.14806},
year = {2024}
}