基于生成式建模的城市空中交通工具微气象风速

为实现安全、可靠且具抗天气能力的城市空中交通工具（UAM）解决方案，本工作提出了一种用于表征微气象风速的生成式建模方法。微气象，即高度局部化区域的天气条件，在城市环境中尤为复杂，由于风流的混乱和湍流特性。此外，传统方法评估局部风场的手段通常不可行用于UAM应用：1）依赖永久性风探测系统的现场测量在操作空域内不切实际，2）在足够高分辨率下模拟流体动力学的数值模型计算不可行，3）大多数确定性的数据驱动建模方法忽略湍流中固有的变动性，这决定了UAM的可靠性。因此，针对UAM飞行器在微气象风中所面临的独特操作安全风险，需要提升预测能力。本工作旨在以计算效率高、能够捕捉随机变动性、且仅需临时而非永久性现场测量活动的方式来建模微气象风速。灵感来自近期条件生成式人工智能（如文本到图像生成）的突破，本文的方法利用生成式建模（去噪扩散概率模型、流匹配和高斯混合模型）学习一种概率的从宏观到微气象的映射，连接区域天气预报与当地风速测量值。我们实现了一个简单的数据原型，采用由Sonic Detection and Ranging（SoDAR）风探测器获取的局部（微气象）测量数据，以及相邻气象站获取的宏观预测数据的相同时间段。