YingLong-天气：基于AI的有限面积模型用于预测非降水表面气象变量
大气与海洋物理
2025-01-28 v2
摘要
最近，开发用于预测全球天气的人工智能（AI）模型迅速发展。大多数全球模型是在空间分辨率为 的再分析数据集上训练的。然而，关于AI-based高空间分辨率有限面积天气预报模型的研究仍有限。本研究开发了空间分辨率为 的YingLong AI-based有限面积天气预报模型。YingLong采用全局块和局部块的并行结构，以捕获多尺度气象特征，速度显著快于动力学有限面积模型WRF-ARW。在两个选定的有限面积区域（一个相对平坦，另一个具有显著山脉），YingLong（以由全球AI-based模型Pangu-weather提供侧向边界条件）在预测表面风速方面显示出优于WRF-ARW的优越技能。此外，它在预测表面温度和压力方面也表现出相当的技能。通过应用更好的边界条件，可以进一步提高表面温度和湿度预测的准确性。YingLong也解决了AI-based有限面积模型侧向边界条件相关问题，如选择侧向边界区域宽度以及在该区域结合更细和较粗的分辨率预测。因此，YingLong有潜力生成保持空间和时间上气象真实性的成本效益高的多年高分辨率合成风速，为风力发电公司的规划和运营提供帮助。
引用
@article{arxiv.2401.16254,
title = {YingLong-weather: AI-Based Limited Area Models for Forecasting of Non-precipitation Surface Meteorological Variables},
author = {Pengbo Xu and Xiaogu Zheng and Tianyan Gao and Yu Wang and Junping Yin and Juan Zhang and Xuanze Zhang and San Luo and Zhonglei Wang and Zhimin Zhang and Xiaoguang Hu and Xiaoxu Chen},
journal= {arXiv preprint arXiv:2401.16254},
year = {2025}
}