无物理模型的高分辨率天气预报
大气与海洋物理
2026-05-28 v1 机器学习
摘要
准确及时的天气预报对现代社会的重大决策至关重要。基于机器学习的天气预测正成为一种替代方案，用于生成初始条件、预报，甚至两者兼顾的端到端系统。这些方法的预测速度更快，往往比传统数值天气预报（NWP）更具技能。然而，即使是端到端模型，也通常依赖于 NWP 生成的再分析数据进行监督，从而继承了这些 NWP 的偏差和分辨率限制，限制了其在适合再分析产品不可用、更新不频繁或昂贵生产的情境下的适应性。本文引入 ObsCast，一个区域性系统，用于生成分析和预测，既不使用 NWP 派生数据进行训练，也不用于推断，同时仍在短期高分辨率区域建模中实现最先进的性能。在美国大陆范围和欧洲，ObsCast 在近地面变量上超过操作性 NWP 达到 18 小时，并产生技能的降水预报。它为在本地观测条件下直接构建和细化区域预报服务提供了更简单、更可适应的途径，无需开发复杂且昂贵的传统预报管道。
引用
@article{arxiv.2605.28153,
title = {Skillful high-resolution weather forecasting independent of physical models},
author = {Pengcheng Zhao and Siqi Xiang and Weixin Jin and Zekun Ni and Jiang Bian and Zuliang Fang and Hongyu Sun and Bin Zhang and Richard E. Turner and Jonathan Weyn and Haiyu Dong and Kit Thambiratnam and Qi Zhang},
journal= {arXiv preprint arXiv:2605.28153},
year = {2026}
}
备注
26 pages, 10 figures