基于物理门控潜在动力学的印度极端降雨事件级概率预测
数值分析
2026-02-04 v1 数值分析
摘要
印度季风地区的极端降雨带来严重的社会与基础设施风险，但因随机对流触发与多尺度大气相互作用，难以在日尺度上预测。虽然大尺度大气场提供重要的环境背景，但其在局部定位极端降雨事件方面受限于根本。本研究考察如何利用ERA5 再分析中的大尺度大气信息，用于印度极端降雨事件级概率预测。我们对比自适应ConvLSTM基线模型与提出的物理门控潜在常微分方程（PG-LODE）框架——后者将大气演化建模为连续时间潜在过程，其动力学通过在对流不稳定条件下显式调制的物理门控机制实现。极端事件以印度气象部门网格化降雨数据在6至9月季风季节中的局部95百分位数为界定义。像素级评估显示两者均因空间位移误差而表现有限，而基于事件级砖块验证清晰地揭示了性能差异。ConvLSTM高度保守，仅检测到27%的极端事件，而PG-LODE实现近乎完整的检测，关键成功指数显著提升，误报率适中。结果表明，物理门控连续时间潜在动力学为将大尺度大气可预测性转化为可靠的极端降雨风险评估提供了稳健路径。
引用
@article{arxiv.2602.03166,
title = {Event-Level Probabilistic Prediction of Extreme Rainfall over India Using Physics-Gated Latent Dynamics},
author = {Arun Govind Neelan},
journal= {arXiv preprint arXiv:2602.03166},
year = {2026}
}