HR-Extreme: A High-Resolution Dataset for Extreme Weather Forecasting

要約

大規模な深層学習モデルを天気予報に適用することで、Pangu や Fuxi などのモデルに代表される高解像度の予測や予測期間の延長など、この分野で大きな進歩がもたらされました。
これらの成功にもかかわらず、これまでの研究は主に異常気象現象が無視されているという特徴があり、そのような現象のために特別に厳選されたデータセットの利用可能性は依然として限られています。
異常気象を正確に予測することが非常に重要であることを考慮して、この研究では、NOAA が提供する 3 km のリアルタイム データセットである高解像度ラピッド リフレッシュ (HRRR) データから得られた高解像度の異常気象ケースを組み込んだ包括的なデータセットを導入します。
また、HR-Extreme で現在の最先端の深層学習モデルと数値天気予報 (NWP) システムを評価し、一般損失と HR の両方で優れたパフォーマンスを備えた HR-Heim と呼ばれる改良されたベースライン深層学習モデルを提供します。
・他と比べて極端。
私たちの結果は、異常気象の場合の誤差が全体の予測誤差よりも大幅に大きいことを明らかにし、異常気象が気象予測における損失の重大な原因であることを浮き彫りにしています。
これらの発見は、実用性を高めるために、将来の研究が異常気象予報の精度向上に焦点を当てる必要性を強調しています。

要約(オリジナル)

The application of large deep learning models in weather forecasting has led to significant advancements in the field, including higher-resolution forecasting and extended prediction periods exemplified by models such as Pangu and Fuxi. Despite these successes, previous research has largely been characterized by the neglect of extreme weather events, and the availability of datasets specifically curated for such events remains limited. Given the critical importance of accurately forecasting extreme weather, this study introduces a comprehensive dataset that incorporates high-resolution extreme weather cases derived from the High-Resolution Rapid Refresh (HRRR) data, a 3-km real-time dataset provided by NOAA. We also evaluate the current state-of-the-art deep learning models and Numerical Weather Prediction (NWP) systems on HR-Extreme, and provide a improved baseline deep learning model called HR-Heim which has superior performance on both general loss and HR-Extreme compared to others. Our results reveal that the errors of extreme weather cases are significantly larger than overall forecast error, highlighting them as an crucial source of loss in weather prediction. These findings underscore the necessity for future research to focus on improving the accuracy of extreme weather forecasts to enhance their practical utility.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google