OMG-HD：面向从观测数据到终端预测的高分辨率 AI 气象模型
大气与海洋物理
2024-12-25 v1 机器学习
摘要
近年来，基于重分析数据训练的人工智能天气预测（AIWP）模型已实现与传统数值天气预报（NWP）模型相当乃至更优的性能。然而，少数探索的做法是直接在观测数据上训练 AIWP 模型，通过减少数据同化过程引入的不确定性，提高计算效率并改善预测准确性。本研究提出 OMG-HD，一种新型基于人工智能的区域性高分辨率天气预报模型，旨在直接从包括地面站点、雷达和卫星等观测数据源进行预测，从而消除操作性数据同化的需求。我们的评估表明，OMG-HD 在美国全境（CONUS）区域内，在前瞻时间最长达12小时的情况下，超越了欧洲中期气象预报中心（ECMWF）的高分辨率操作预报系统（IFS-HRES）以及高分辨率快速更新模式（HRRR）。我们在 2 米温度、10 米风速、2 米比湿和地面气压等指标上分别实现了约13%、17%、48%和32%的 RMSE 降低幅度。我们的研究表明，无需依赖 NWP 派生的天气场作为模型输入，即可使用 AI 驱动的方法进行快速天气预测。这是一项重要进展，表明可直接利用观测数据进行 AIWP 模型的运行性预报。
引用
@article{arxiv.2412.18239,
title = {OMG-HD: A High-Resolution AI Weather Model for End-to-End Forecasts from Observations},
author = {Pengcheng Zhao and Jiang Bian and Zekun Ni and Weixin Jin and Jonathan Weyn and Zuliang Fang and Siqi Xiang and Haiyu Dong and Bin Zhang and Hongyu Sun and Kit Thambiratnam and Qi Zhang},
journal= {arXiv preprint arXiv:2412.18239},
year = {2024}
}