要約
天気予報モデルの初期化には、観測データの完全な大気状態へのデータ同化が不可欠です。
最近、モデルを再訓練せずに新しい入力データを使用できる深い生成データ同化の方法が提案されています。
また、運用上の地域気象モデルで使用される高価なデータ同化プロセスを劇的に加速することもできます。
ここでは、米国中央のテストベッドで、現実的に複雑なKMスケールの天候のコンテキストでのスコアベースのデータ同化の実行可能性を示します。
無条件の拡散モデルをトレーニングして、最先端のKMスケール分析製品のスナップショットを生成し、高解像度の迅速な更新を生成します。
次に、スコアベースのデータ同化を使用してまばらな気象観測所のデータを組み込み、モデルは降水量と地表風の地図を生成します。
生成されたフィールドは、突風フロントや感度テストなどの物理的にもっともらしい構造を表示し、多変量関係を通じて学習物理学を確認します。
予備的なスキル分析によると、このアプローチはすでに高解像度の迅速なリフレッシュシステム自体の素朴なベースラインを上回っています。
40の気象観測所からの観測を組み込むことにより、左翼ステーションの10%の低いRMSが達成されます。
アンサンブルDAの推定値を不十分に分散させるなどのいくつかの長引く不完全性にもかかわらず、結果は全体的に励みになる概念の証明であり、最初はKMスケールであることがわかります。
ますます野心的な地域の国家ジェネレーターを、その場、地上、および衛星のリモートセンシングデータストリームの増加を組み合わせた拡張機能を探索するのは熟した時期です。
要約(オリジナル)
Data assimilation of observational data into full atmospheric states is essential for weather forecast model initialization. Recently, methods for deep generative data assimilation have been proposed which allow for using new input data without retraining the model. They could also dramatically accelerate the costly data assimilation process used in operational regional weather models. Here, in a central US testbed, we demonstrate the viability of score-based data assimilation in the context of realistically complex km-scale weather. We train an unconditional diffusion model to generate snapshots of a state-of-the-art km-scale analysis product, the High Resolution Rapid Refresh. Then, using score-based data assimilation to incorporate sparse weather station data, the model produces maps of precipitation and surface winds. The generated fields display physically plausible structures, such as gust fronts, and sensitivity tests confirm learnt physics through multivariate relationships. Preliminary skill analysis shows the approach already outperforms a naive baseline of the High-Resolution Rapid Refresh system itself. By incorporating observations from 40 weather stations, 10% lower RMSEs on left-out stations are attained. Despite some lingering imperfections such as insufficiently disperse ensemble DA estimates, we find the results overall an encouraging proof of concept, and the first at km-scale. It is a ripe time to explore extensions that combine increasingly ambitious regional state generators with an increasing set of in situ, ground-based, and satellite remote sensing data streams.
arxiv情報
著者 | Peter Manshausen,Yair Cohen,Peter Harrington,Jaideep Pathak,Mike Pritchard,Piyush Garg,Morteza Mardani,Karthik Kashinath,Simon Byrne,Noah Brenowitz |
発行日 | 2025-04-01 12:48:48+00:00 |
arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google