通过对神经天气模型的统计后处理改进对流风暴阵风风速的预测
大气与海洋物理
2025-08-22 v3 机器学习
摘要
及时发布恶劣天气警报有助于减轻潜在的灾难性后果。神经天气模型(NWMs)的最新进展为在0.25°全球网格上预测大气环境提供了一种计算成本低廉且快速的方法。对于雷暴,这些环境可被经验性地后处理以预测特定地点的阵风风速分布。利用Pangu-Weather神经天气模型,我们应用一系列统计和深度学习后处理方法来提前最多三天预测每小时阵风风速。为确保统计稳健性,我们使用广义极值分布在瑞士的五个区域对概率预报进行约束。使用卷积神经网络对预测的大气环境空间模式进行后处理可获得最佳结果,在各预报时效和阵风风速下均优于直接预报方法。我们的结果证实了神经天气模型对极端风预报的附加价值,特别是在设计更具响应性的早期预警系统方面。
引用
@article{arxiv.2504.00128,
title = {Improving Predictions of Convective Storm Wind Gusts through Statistical Post-Processing of Neural Weather Models},
author = {Antoine Leclerc and Erwan Koch and Monika Feldmann and Daniele Nerini and Tom Beucler},
journal= {arXiv preprint arXiv:2504.00128},
year = {2025}
}
备注
18+6 pages, 11+8 figures, 4 tables, revised for npj Natural Hazards