全球位置不变峰值风暴潮预测

风暴潮是全球沿海社区面临的重大威胁，造成生命损失和巨大的财产损失。因此，大量努力已投入到开发高保真度的基于物理的风暴潮预测模型中。然而，此类模型通常计算成本极高，需要超级计算资源。近年来，越来越多地倾向于使用数据驱动的替代模型（surrogate models），以极低的计算成本近似高保真模型的能力。大多数高保真风暴潮模型输出的数据集局限于狭窄的地理区域，大多数聚焦于美国大陆和中国。这一趋势也反映在现有风暴潮替代模型的范围中。在本工作中，我们提出了一种具有全球适用性的训练风暴潮替代模型的新数据集。该数据集包含来自ADvanced CIRCulation（ADCIRC）模型的超过15,000个全球分布登陆合成风暴的高分辨率峰值风暴潮输出。据作者所知，这是有史以来最大规模的同类数据集，并且因其全球范围而独一无二。我们还提出了一种基于计算机视觉架构的峰值风暴潮机器学习模型。该模型在我们的新全球数据集上训练，能够准确预测不同地理区域的最大风暴潮——包括那些几乎没有或没有替代模型的区域。数据集和配套模型均公开发布，旨在支持开发具有全球覆盖范围的风暴潮模型。