AI模型能否比基于物理的模型产生更好的天气预报？——风暴Ciarán的定量评估案例研究
机器学习
2024-02-20 v2 大气与海洋物理
摘要
近期，利用机器学习技术制作业务天气预报的潜力引起了极大关注。随着机器学习成为天气预报工具箱的一部分，迫切需要了解当前机器学习模型模拟高影响天气事件的能力。我们比较了机器学习和数值天气预报模型对风暴Ciarán（一场导致北欧16人死亡和广泛破坏的欧洲温带气旋）的预报。所考虑的四个机器学习模型（FourCastNet、Pangu-Weather、GraphCast和FourCastNet-v2）产生的预报准确捕捉了气旋的天气尺度结构，包括云头位置、暖区形状和暖输送带急流的位置，以及快速风暴发展重要的大尺度动力驱动因素，如风暴相对于上层急流出口的位置。然而，它们在解析发布天气预警所需的更详细结构方面的能力则参差不齐。所有机器学习模型都低估了与风暴相关的峰值风速，只有部分机器学习模型解析了暖核隔离，且没有一个机器学习模型捕捉到尖锐的弯曲暖锋梯度。我们的研究表明，通过对高影响天气事件（如风暴Ciarán）的案例研究，可以深入了解机器学习天气预报的性能和特性。
引用
@article{arxiv.2312.02658,
title = {Do AI models produce better weather forecasts than physics-based models? A quantitative evaluation case study of Storm Ciar\'an},
author = {Andrew J. Charlton-Perez and Helen F. Dacre and Simon Driscoll and Suzanne L. Gray and Ben Harvey and Natalie J. Harvey and Kieran M. R. Hunt and Robert W. Lee and Ranjini Swaminathan and Remy Vandaele and Ambrogio Volonté},
journal= {arXiv preprint arXiv:2312.02658},
year = {2024}
}