人工智能天气预报模型的热带气旋路径与强度预测评估
大气与海洋物理
2024-09-12 v1 机器学习
摘要
过去几年间，多个数据驱动的人工智能天气预报（AIWP）模型相继开发，新版本几乎每月发布一次。鉴于这种快速发展，针对这些模型用于操作预报的适用性尚未得到充分探索与记录。为评估其在操作热带气旋（TC）预报中的实用性，我们采用 NHC 验证程序，对 2023 年 5 月至 11 月期间北半球热带气旋的七天路径与强度预测进行评估。考虑四个开源 AIWP 模型（FourCastNetv1、FourCastNetv2-small、GraphCast-operational 和 Pangu-Weather）。AIWP 的路径预测误差和检出率与最佳操作预报模型相当。然而，AIWP 的强度预测误差大于基于气候学和持续性的最简单强度预测。AIWP 模型几乎总是会降低热带气旋强度，尤其在预测的前 24 小时内，导致显著的低偏差。还评估了 AIWP 模型对 NHC 模型共识的贡献。共识路径误差在较长时间段可降低最高 11%。五天 NHC 官方路径预报自 2001 年以来每年约提升 2%，因此这相当于超过五年的精度提升。尽管存在显著的负向强度偏差，AIWP 模型对强度共识的影响为中性。这一结果表明，当前的 AIWP 模型在操作 TC 路径预报方面有前景，但需要改进偏差校正或模型重新表述才能实现准确的强度预测。
引用
@article{arxiv.2409.06735,
title = {Evaluation of Tropical Cyclone Track and Intensity Forecasts from Artificial Intelligence Weather Prediction (AIWP) Models},
author = {Mark DeMaria and James L. Franklin and Galina Chirokova and Jacob Radford and Robert DeMaria and Kate D. Musgrave and Imme Ebert-Uphoff},
journal= {arXiv preprint arXiv:2409.06735},
year = {2024}
}
备注
33 pages. 9 figures, 3 tables