Graph-based Neural Weather Prediction for Limited Area Modeling

要約

天気予報のための正確な機械学習手法の台頭により、大気モデルの根本的な新しい可能性が生まれています。
気候変動の時代には、このようなモデルからの高解像度の予測にアクセスすることもますます重要になっています。
既存のニューラル天気予測 (NeurWP) 手法のほとんどは全球予測に焦点を当てていますが、重要な問題は、これらの手法を限られたエリアのモデリングにどのように適用できるかです。
この研究では、グラフベースの NeurWP アプローチを限られたエリア設定に適応させ、マルチスケールの階層モデル拡張を提案します。
私たちのアプローチは、北欧地域のローカルモデルを用いた実験によって検証されています。

要約(オリジナル)

The rise of accurate machine learning methods for weather forecasting is creating radical new possibilities for modeling the atmosphere. In the time of climate change, having access to high-resolution forecasts from models like these is also becoming increasingly vital. While most existing Neural Weather Prediction (NeurWP) methods focus on global forecasting, an important question is how these techniques can be applied to limited area modeling. In this work we adapt the graph-based NeurWP approach to the limited area setting and propose a multi-scale hierarchical model extension. Our approach is validated by experiments with a local model for the Nordic region.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google