首页 / 资料库 / 文献详情

FuXi-Extreme: 利用扩散模型改进极端降雨和风速预报

晓辉 仲、磊 陈、俊 刘、晨森 林、远 漆、昊 李

2024SCIENTIA SINICA TerraeEarth and Planetary Sciences被引 1开放获取

摘要

<p indent="0mm">基于机器学习(Machine Learning, ML)的天气预报模型近些年取得了显著进展, 展示了优越的预报性能. 与欧洲中期天气预报中心(European Centre for Medium-Range Weather Forecasts, ECMWF)的高分辨率预报(High-Resolution Forecasts, HRES)相比, FuXi等先进的基于ML的天气预报模型, 在统计预报指标上表现出色. 然而, 这些模型存在着共同的局限性, 即随着预报时间步长的增加, 预报结果趋于平滑, 导致极端天气事件强度的低估. 为了解决这一问题, 本文研发了FuXi-Extreme模型. 该模型采用去噪扩散概率模型(Denoising Diffusion Probabilistic Model, DDPM), 增强了FuXi模型在5天预报中的地表预报数据细节. 对极端总降水量(Total Precipitation, TP)、10m风速(10-meter Wind Speed, WS10)和2m温度(2-meter Temperature, T2M)的评估表明, FuXi-Extreme在性能上优于FuXi和HRES. 此外, 基于国际热带气旋最佳路径资料集(International Best Track Archive for Climate Stewardship, IBTrACS)的评估显示, 与HRES相比, FuXi和FuXi-Extreme在热带气旋(Tropical Cyclone, TC)路径预报方面表现优异, 但在TC强度预报方面仍有不足.

引用本文（GB/T 7714）

DOI：https://doi.org/10.1360/n072023-0274