Fuxi-DA: A Generalized Deep Learning Data Assimilation Framework for Assimilating Satellite Observations

要約

データ同化 (DA) は、現代の数値天気予報 (NWP) システムに不可欠なコンポーネントとして、予報のパフォーマンスに大きな影響を与える分析を生成する際に重要な役割を果たします。
それにもかかわらず、効率的な DA システムの開発は、特に運用環境における限られた時間枠内でバックグラウンド データと膨大な量のマルチソース観測データの間の複雑な関係を確立する際に、重大な課題を引き起こします。
これらの課題に対処するために、研究者は、近似モデリングとスーパー コンピューティング クラスターの力を活用して、解決を促進する各観測タイプの複雑な前処理方法を設計します。
ディープ ラーニング (DL) モデルの出現は、統合されたマルチモーダル モデリング、強化された非線形表現機能、優れた並列化を提供する革新的なモデルです。
これらの利点により、DL モデルを気象モデリングのさまざまな領域に統合する取り組みが促進されました。
注目すべきことに、DL モデルは、世界中で運用されている主要な NWP モデルの予測精度に匹敵し、さらにはそれを上回る可能性を示しています。
この成功により、天気予報モデルに合わせて調整された DL ベースの DA フレームワークの探求が促進されます。
この研究では、衛星観測を同化するための一般化された DL ベースの DA フレームワークである FuxiDA を紹介します。
FuXi-DA は、風雲 4B に搭載された高度静止放射線画像装置 (AGRI) からのデータを同化することにより、解析エラーを一貫して軽減し、予測パフォーマンスを大幅に向上させます。
さらに、一連の単一観測実験を通じて、Fuxi-DA は確立された大気物理学に照らして検証され、その一貫性と信頼性が実証されました。

要約(オリジナル)

Data assimilation (DA), as an indispensable component within contemporary Numerical Weather Prediction (NWP) systems, plays a crucial role in generating the analysis that significantly impacts forecast performance. Nevertheless, the development of an efficient DA system poses significant challenges, particularly in establishing intricate relationships between the background data and the vast amount of multi-source observation data within limited time windows in operational settings. To address these challenges, researchers design complex pre-processing methods for each observation type, leveraging approximate modeling and the power of super-computing clusters to expedite solutions. The emergence of deep learning (DL) models has been a game-changer, offering unified multi-modal modeling, enhanced nonlinear representation capabilities, and superior parallelization. These advantages have spurred efforts to integrate DL models into various domains of weather modeling. Remarkably, DL models have shown promise in matching, even surpassing, the forecast accuracy of leading operational NWP models worldwide. This success motivates the exploration of DL-based DA frameworks tailored for weather forecasting models. In this study, we introduces FuxiDA, a generalized DL-based DA framework for assimilating satellite observations. By assimilating data from Advanced Geosynchronous Radiation Imager (AGRI) aboard Fengyun-4B, FuXi-DA consistently mitigates analysis errors and significantly improves forecast performance. Furthermore, through a series of single-observation experiments, Fuxi-DA has been validated against established atmospheric physics, demonstrating its consistency and reliability.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google