用于诊断AI天气预测模型的ensemble数据同化：以ClimaX 0.3.1为例
机器学习
2025-10-16 v4 应用统计
摘要
人工智能（AI）天气预测研究正快速发展，并显示出与先进的动力数值天气预测模型相当的性能。然而，尽管AI天气预测模型与数据同化的结合研究仍有限，部分原因在于评估数据同化系统需要长期的顺序数据同化周期。本研究提出使用ensemble数据同化来诊断AI天气预测模型，并成功实现了首次将ensemble卡尔曼滤波与AI天气预测模型集成。我们使用AI天气预测模型ClimaX进行的实验表明，采用协方差膨胀和局部化技术后，ensemble数据同化可稳定地循环用于AI天气预测模型。尽管ClimaX在捕捉流动相关误差协方差方面存在一些局限性，但AI ensemble预测在稀疏观测区域提供了合理且有益的误差协方差。此外，ensemble数据同化揭示了基于ensemble ClimaX预测的误差增长小于动力学NWP模型，从而导致更高的膨胀因子。一系列实验表明，ensemble数据同化可用于诊断AI天气预测模型的属性，如物理一致性和准确的误差增长表示。
引用
@article{arxiv.2407.17781,
title = {Ensemble data assimilation to diagnose AI-based weather prediction model: A case with ClimaX version 0.3.1},
author = {Shunji Kotsuki and Kenta Shiraishi and Atsushi Okazaki},
journal= {arXiv preprint arXiv:2407.17781},
year = {2025}
}