FengWu-W2S: A deep learning model for seamless weather-to-subseasonal forecast of global atmosphere

要約

1 つのシステムのみに基づいて連続的なタイムスケールで警告情報を生成するシームレスな予測は、気象・気候サービスの長年の追求です。
深層学習の急速な進歩は古典的な予測分野に革命的な変化を引き起こしましたが、現在の取り組みは依然として天気と気候の予測用に個別の AI モデルを構築することに焦点を当てています。
1 つの AI モデルに基づいたシームレスな予測能力を調査するために、FengWu の全球気象予測モデルに基づいて構築され、海洋、大気、陸地の結合構造と多様な摂動戦略を組み込んだ FengWu-Weather to Subseasonal (FengWu-W2S) を提案します。
。
FengWu-W2S は、自己回帰的かつシームレスな方法で、最大 42 日間にわたる 6 時間ごとの大気予測を生成できます。
私たちの後追い結果は、FengWu-W2S が 3 ～ 6 週間先までの大気状況を確実に予測し、地球の表面気温、降水量、地質ポテンシャルの高さ、マッデン・ジュリアン振動 (MJO) や北大西洋振動などの季節内信号の予測能力を強化していることを示しています。
（ナオ）。
さらに、毎日のタイムスケールから季節のタイムスケールまでの予測誤差の増加に関するアブレーション実験により、将来のシームレスな気象気候予測のための AI ベースの統合システムを開発するための潜在的な道筋が明らかになりました。

要約(オリジナル)

Seamless forecasting that produces warning information at continuum timescales based on only one system is a long-standing pursuit for weather-climate service. While the rapid advancement of deep learning has induced revolutionary changes in classical forecasting field, current efforts are still focused on building separate AI models for weather and climate forecasts. To explore the seamless forecasting ability based on one AI model, we propose FengWu-Weather to Subseasonal (FengWu-W2S), which builds on the FengWu global weather forecast model and incorporates an ocean-atmosphere-land coupling structure along with a diverse perturbation strategy. FengWu-W2S can generate 6-hourly atmosphere forecasts extending up to 42 days through an autoregressive and seamless manner. Our hindcast results demonstrate that FengWu-W2S reliably predicts atmospheric conditions out to 3-6 weeks ahead, enhancing predictive capabilities for global surface air temperature, precipitation, geopotential height and intraseasonal signals such as the Madden-Julian Oscillation (MJO) and North Atlantic Oscillation (NAO). Moreover, our ablation experiments on forecast error growth from daily to seasonal timescales reveal potential pathways for developing AI-based integrated system for seamless weather-climate forecasting in the future.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google