FuXi-S2S: An accurate machine learning model for global subseasonal forecasts

要約

社会のさまざまな分野にわたる幅広い用途には、2 週間を超える季節サブシーズンの巧みな予測が不可欠です。
最近、最先端の機械学習ベースの天気予報モデルが大幅に進歩し、欧州中期予報センター (ECMWF) の高解像度予報 (HRES) を上回りました。
ただし、季節未満の予報における機械学習モデルの可能性は、まだ十分に検討されていません。
この研究では、FuXi Subseasonal-to-Seasonal (FuXi-S2S) を紹介します。これは、13 の気圧レベルと 11 の地表における 5 つの上層大気変数をカバーし、最大 42 日間の世界的な日次平均予測を提供する機械学習ベースの季節限定予測モデルです。
変数。
FuXi-S2S は、強化された FuXi ベース モデルと隠れたフィーチャの流れ依存の摂動のための摂動モジュールを統合し、初期条件を摂動するパーリン ノイズを組み込みます。
このモデルは、ECMWF ERA5 再分析データからの 72 年間の毎日の統計を使用して開発されました。
ECMWF の季節サブシーズン (S2S) 再予報と比較すると、FuXi-S2S 予報は、総降水量 (TP)、外向き長波放射 (OLR)、および 500 hPa (Z500) での地ポテンシャルについて、優れた決定論的およびアンサンブル予報を示しています。
2 メートルの温度予測 (T2M) ではパフォーマンスが若干劣りますが、陸地よりも明らかに利点があります。
極端な予測に関しては、TP に関しては FuXi-S2S が ECMWF S2S を世界的に上回っています。
さらに、FuXi-S2S の予測は、季節サブシーズンの予測可能性の重要な情報源であるマッデン ジュリアン振動 (MJO) の予測において、ECMWF S2S の再予測を上回っています。
彼らは、MJO の巧みな予測を 30 日から 36 日に延長しました。

要約(オリジナル)

Skillful subseasonal forecasts beyond 2 weeks are crucial for a wide range of applications across various sectors of society. Recently, state-of-the-art machine learning based weather forecasting models have made significant advancements, outperforming the high-resolution forecast (HRES) from the European Centre for Medium-Range Weather Forecasts (ECMWF). However, the full potential of machine learning models in subseasonal forecasts has yet to be fully explored. In this study, we introduce FuXi Subseasonal-to-Seasonal (FuXi-S2S), a machine learning based subseasonal forecasting model that provides global daily mean forecasts up to 42 days, covering 5 upper-air atmospheric variables at 13 pressure levels and 11 surface variables. FuXi-S2S integrates an enhanced FuXi base model with a perturbation module for flow-dependent perturbations in hidden features, and incorporates Perlin noise to perturb initial conditions. The model is developed using 72 years of daily statistics from ECMWF ERA5 reanalysis data. When compared to the ECMWF Subseasonal-to-Seasonal (S2S) reforecasts, the FuXi-S2S forecasts demonstrate superior deterministic and ensemble forecasts for total precipitation (TP), outgoing longwave radiation (OLR), and geopotential at 500 hPa (Z500). Although it shows slightly inferior performance in predicting 2-meter temperature (T2M), it has clear advantages over land area. Regarding the extreme forecasts, FuXi-S2S outperforms ECMWF S2S globally for TP. Furthermore, FuXi-S2S forecasts surpass the ECMWF S2S reforecasts in predicting the Madden Julian Oscillation (MJO), a key source of subseasonal predictability. They extend the skillful prediction of MJO from 30 days to 36 days.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google