FuXi Weather: 一种面向全球天气预报的数据到预报机器学习系统

天气预报传统上依赖于数值天气预报（NWP）系统，该系统整合全球观测系统、数据同化（DA）和预报模型。尽管近年来预报精度稳步提升，但进一步的进展日益受到高计算成本、大量观测数据集利用不足以及获取更高分辨率的挑战所制约。这些限制以及观测网络分布不均导致全球预报精度存在差异，使一些地区容易受到极端天气的影响。机器学习的最新进展提供了一种有前景的替代方案，使用与 NWP 相同的初始条件即可提供更高效、更准确的预报。然而，当前的机器学习模型仍然依赖于 NWP 系统生成的初始条件，这需要大量的计算资源和专业知识。在这里我们介绍了 FuXi Weather，一个从多颗卫星同化数据的机器学习天气预报系统。FuXi Weather 运行在 6 小时一次的 DA 和预报循环上，以 $0.25^\circ$ 的空间分辨率生成可靠的 10 天全球天气预报。FuXi Weather 是首个实现全网格、全表面、全通道和全天候 DA 与预报的系统，在使用显著更少的观测条件下，其有效预报时效超过了欧洲中期天气预报中心（ECMWF）高分辨率预报（HRES）。FuXi Weather 在观测稀疏区域（如中非）始终优于 ECMWF HRES，证明了其在观测基础设施有限的地区提升预报能力的潜力。