基于神经天气模型的热带风暴强度全球预测
计算物理
2025-12-22 v3 大气与海洋物理
摘要
数值天气预报（NWP）模型通过积分耦合的物理方程向前推演，是模拟大气过程和预测天气的传统工具。近期，深度学习的进步催生了依赖神经网络架构——神经天气模型（NeWM）——的 AI 天气预报模型，已显示出与最先进 NWP 模型相当的中期预报性能。然而，这些模型通常在分辨率有限的重分析数据上进行训练（例如 0.25° 水平网格间距），这会平滑天气系统的关键特征。例如，热带风暴（TC）——因其对人类活动造成的毁灭性影响而备受关注——在 0.25° 分辨率下进行的确定性预报中难以捕捉极值。为此，我们利用我们最佳的风力gust 和最小海平面气压观测估计值，在 NeWM 输出上构建一级階的后处理模型。应用于 Pangu-Weather 和 FourCastNet v2，这些后处理模型能够准确可靠地预测 TC 强度可达五天。我们的后处理算法与跟踪无关，防止完全漏检，我们展示了即使是线性模型也能从 NeWM 输出中提取出超出初始条件所编码的预测信息。尽管空间遮罩改进了概率预报的一致性，但我们未发现卷积网络相对于简单多层感知器在 NeWM 后处理中具有明显优势。总体而言，通过将 NeWM 的效率与轻量级、跟踪无关的后处理框架相结合，我们的方法提高了全球 TC 强度预测的可及性，标志着其民主化的一个步骤。
引用
@article{arxiv.2508.17903,
title = {Global Forecasting of Tropical Cyclone Intensity Using Neural Weather Models},
author = {Milton Gomez and Louis Poulain--Auzeau and Alexis Berne and Tom Beucler},
journal= {arXiv preprint arXiv:2508.17903},
year = {2025}
}
备注
18 pages for the main text, 22 for the supplementary materials