面向数据驱动天气预测的实地观测验证
机器学习
2023-09-07 v2 大气与海洋物理
摘要
数据驱动天气预测模型（DDWP）近年来取得快速进展，展现出以较高精度逼近数值天气预测（NWP）模型的能力。DDWP预测快速、准确且低成本，使其在业务预报中的应用颇具吸引力；然而，在真实业务环境中严格评估DDWP仍有待完善。DDWP通常使用ERA5再分析数据训练和评估，仅能在模拟中测试，而即便质量很高，模拟也无法完全准确代表真实世界。DDWP在业务预报中的安全使用需要更彻底的“真实世界”验证，以及对其当前训练与评估方式的仔细审视。值得追问的是：例如，用于训练的再分析数据集在多大程度上模拟了真实世界？着眼于气候公平与天气数据获取的不均衡：模拟对世界各地区是否同样良好？DDWP会加剧训练数据中的偏差吗？模拟中的良好表现是否对应业务环境中的良好表现？除逼近NWP模型物理外，如何独特地部署ML以提供更准确天气预报？作为回答此类问题的第一步，我们呈现一个源自NOAA MADIS项目的稳健实地观测数据集，作为业务环境中验证DDWP的基准。通过提供大规模质控实地观测语料，该数据集给出了所有NWP与DDWP均可被测试的有意义的真实世界任务。我们希望该数据不仅可用于严格公平比较业务天气模型，也能激发新方向的未来研究。
引用
@article{arxiv.2305.00048,
title = {Verification against in-situ observations for Data-Driven Weather Prediction},
author = {Vivek Ramavajjala and Peetak P. Mitra},
journal= {arXiv preprint arXiv:2305.00048},
year = {2023}
}
备注
10 pages, 6 figures, under review at NeurIPS main conference