米尺度表面天气的部分恢复
机器学习
2026-02-27 v1 计算机视觉与模式识别
大气与海洋物理
摘要
近土壤大气条件由于土地覆盖和地形特征，在十到百米尺度上可能出现剧烈变化，但这种变率性在当前天气分析和预报中并未体现。我们不清楚这种米尺度变率性是否反映了不可还原的混沌动力学，或是否可从表面特征和大尺度大气强迫中进行预测。本文表明，米尺度近土壤天气的一个相当大的、物理上连贯的组成部分可从现有观测中进行统计恢复。通过对粗糙大气状态进行条件化，结合稀疏的地面站 measurements 和高分辨率地球观测数据，我们推断出覆盖整个美国本土的、以 10 米分辨率的近土壤风速、温度和湿度的连续场。相较于 ERA5，推断得到的场使得风速误差降低 29%，温度和露点误差降低 6%，同时在固定时间步长下解释了更多的空间方差。这些场还表现出可解释的物理结构，包括城市热岛、蒸散驱动的湿度对比，以及不同土地覆盖类型的风速差异。我们的发现通过演示一种计算上可行的方法，实现了大陆尺度米分辨率的推断，拓展了天气建模的前沿。更广泛地说，这些发现说明了如何通过对静态细尺度特征进行条件化来揭示地球系统中此前无法解析的组成部分。
引用
@article{arxiv.2602.23146,
title = {Partial recovery of meter-scale surface weather},
author = {Jonathan Giezendanner and Qidong Yang and Eric Schmitt and Anirban Chandra and Daniel Salles Civitarese and Johannes Jakubik and Jeremy Vila and Detlef Hohl and Campbell Watson and Sherrie Wang},
journal= {arXiv preprint arXiv:2602.23146},
year = {2026}
}