全球天气预报的超分辨率重建
机器学习
2024-09-20 v2 大气与海洋物理
摘要
天气预报是一项至关重要的工具，其任务范围从规划日常活动到灾难响应规划。然而，由于天气的混沌和不可预测性，对其进行建模已被证明是一项具有挑战性的任务。从温度到降水再到风，每个变量都影响着环境将采取的路径。因此，随着预报时间范围的增加，所有模型都倾向于迅速丧失准确性。经典的预报方法使用大量基于物理、数值和随机技术来预测天气变量随时间的变化。然而，此类预报通常需要非常大量的数据，并且计算成本极高。此外，随着气候和全球天气模式的变化，经典模型为适应变化的环境而进行更新的难度和时间成本都大大增加。幸运的是，随着深度学习的最新进展和公开可用的高质量天气数据集，部署学习方法来估计这些复杂系统已成为可能。当前最先进的深度学习模型具有与行业标准数值模型相当的准确性，并且由于其适应性而在实践中变得越来越普遍。我们团队旨在通过提高全球天气预测的空间分辨率来改进现有的基于深度学习的预报方法。具体来说，我们感兴趣的是对GraphCast的温度预测进行超分辨率重建，将全球精度从1度提高到0.5度，这分别约等于111公里和55公里。
引用
@article{arxiv.2409.11502,
title = {Super Resolution On Global Weather Forecasts},
author = {Lawrence Zhang and Adam Yang and Rodz Andrie Amor and Bryan Zhang and Dhruv Rao},
journal= {arXiv preprint arXiv:2409.11502},
year = {2024}
}