现代 AI-ML 模型中的季内尺度赤道 Kelvin 与罗斯贝克波
大气与海洋物理
2025-07-11 v1
摘要
我们检查了大尺度对流耦合 Kelvin 和罗斯贝克波在多套现代 AI-ML 模型中的结构。具体而言，对 PanguWeather、GraphCast、FourCastNet 和 Aurora 进行了多个运行，以评估上述波的结构。所有模型的 zonal 风的波数-频率图显示出明显的罗斯贝克和 Kelvin 波迹象，其等效深度与观测和再分析数据一致。Kelvin 波的合成显示出正确的下层和上层大气水平收敛模式，温度、湿度和垂直速度的垂直倾斜，以及温度和垂直速度异常之间的相位关系。尽管如此，模型之间的差异仍然显著，例如 GraphCast 和 Aurora 在垂直倾斜较小且表面温度异常不正确，PanguWeather 则表现出相对较弱的收敛流。模型在罗斯贝克波方面难度更大；虽然捕获了水平涡旋，但温度和散度的垂直结构不正确。除了各种场出现的意外倾斜外，温度异常在所有四个模型中都与垂直速度的性质不一致。值得注意的是，湿度和垂直速度异常与观测数据更接近。此外，只有两个模型（GraphCast 和 FourCastNet）捕获了深度垂直运动与湿度异常的同步生成。总体而言，尽管这些大尺度波的表征令人鼓舞，但罗斯贝克波结构以及不同场之间不一致性仍需进一步调查。
引用
@article{arxiv.2507.07952,
title = {Intraseasonal Equatorial Kelvin and Rossby Waves in Modern AI-ML Models},
author = {Shrutee Jalan and Jai Sukhatme},
journal= {arXiv preprint arXiv:2507.07952},
year = {2025}
}