Regional data-driven weather modeling with a global stretched-grid

要約

地域の天気予報アプリケーションに適したデータ駆動型モデル (DDM) が示されています。
このモデルは、関心のある地域領域ではより高い解像度を提供し、地球上の他の場所ではより低い解像度を維持するストレッチ グリッド アーキテクチャを導入することにより、人工知能予測システムを拡張します。
このモデルはグラフ ニューラル ネットワークに基づいており、自然に任意の多重解像度グリッド構成が可能になります。
このモデルは北欧の短距離天気予報に適用され、2.5 km の空間解像度と 6 時間の時間解像度で予報を生成します。
このモデルは、解像度 31 km の 43 年間の地球規模の ERA5 データで事前トレーニングされており、MetCoOp アンサンブル予測システム (MEPS) からの解像度 2.5 km の 3.3 年間の運用分析を使用してさらに改良されています。
モデルのパフォーマンスは、ノルウェー全土の測定局からの地表観測を使用して評価され、MEPS の短距離天気予報と比較されます。
DDM は、2 m の温度でコントロール実行と MEPS のアンサンブル平均の両方を上回ります。
このモデルは、競合する降水量と風速の予測も生成しますが、極端な現象を過小評価していることが示されています。

要約(オリジナル)

A data-driven model (DDM) suitable for regional weather forecasting applications is presented. The model extends the Artificial Intelligence Forecasting System by introducing a stretched-grid architecture that dedicates higher resolution over a regional area of interest and maintains a lower resolution elsewhere on the globe. The model is based on graph neural networks, which naturally affords arbitrary multi-resolution grid configurations. The model is applied to short-range weather prediction for the Nordics, producing forecasts at 2.5 km spatial and 6 h temporal resolution. The model is pre-trained on 43 years of global ERA5 data at 31 km resolution and is further refined using 3.3 years of 2.5 km resolution operational analyses from the MetCoOp Ensemble Prediction System (MEPS). The performance of the model is evaluated using surface observations from measurement stations across Norway and is compared to short-range weather forecasts from MEPS. The DDM outperforms both the control run and the ensemble mean of MEPS for 2 m temperature. The model also produces competitive precipitation and wind speed forecasts, but is shown to underestimate extreme events.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google