JAMES: 机器学习掌握天气预报
学术
科学
2024-07-11 15:46
北京
为进一步推进天气预报的机器学习，需要基于领域的数据集和评估标准。
现代数值天气预报 (NWP) 模型可以高精度地预测未来 15 天的天气。这些预报使我们能够为极端天气做好准备，从而挽救生命。它们还具有极高的经济价值，因此被广泛应用于能源、交通、农业和休闲行业。
为了建立并逐步改进产生如此准确预报所需的复杂计算机模型，人们花了五十年时间。而机器学习 (ML) 方法仅用了几年时间就达到了这些传统模型的水平，在某些情况下甚至超越了它们。
面对这种范式转变，我们认识到需要以公平和可重复的方式将 ML 模型相互比较，并与传统模型进行比较。Rasp 等人 [2024] 满足了这一需求。他们提出了一个评估 ML 和 NWP 预报的框架，借鉴了 NWP 领域 50 年的经验。这个框架称为 WeatherBench 2，概述了比较不同预报模型的标准指标，并提供了开源代码和数据来促进这一过程。
在这一领域，我们也认识到ML和NWP预测都有改进的空间。这包括需要更长的次季节到季节预测，概率方法，以及针对特定用例的目标校准。通过明确地定义预测问题，并为ML模型提供易于访问的训练数据，WeatherBench 2降低了参与的门槛。通过这种方式，世界各地最优秀的人才可以迅速开始对这些方向和许多其他方向进行研究，并有望为所有人提供更好的天气预报。三个机器学习天气预报模型(下一行)与两个传统模型(上一行，中间和右边)预测风暴亚历克斯。左上角显示了观测到的风暴，它给整个欧洲带来了破坏性的风(用颜色表示)和雨。所有模型都在三天前初始化，所有模型对强风的预测都非常准确。资料来源:Rasp等[2024]，图11以上点评英文原文发表于：AGU Eos Editors' Highlights，中文翻译仅供参考。
原文作者：Hannah Christensen, Associate Editor, JAMES
原文链接：https://eos.org/editor-highlights/machine-learning-masters-weather-prediction
Text © 2024. The authors. CC BY-NC-ND 3.0
扫码访问原文
![]()
https://doi.org/10.1029/2023MS004019Journal of Advances in Modeling Earth Systems (JAMES) 是一本金色开放获取期刊，发表有助于了解地球物理系统，及其与生物、地质和化学系统结合的各种尺度的模型的开发与应用的研究论文。
研究论文可以是纯技术方面的，如有助于建模的新的或改进的算法或新数据集；也可以是综合性的，如新的建模或模拟系统的集成；或是概念性的，如为建模或分析制定标准的新框架和新构想。
2023年影响因子： 4.4
5年影响因子： 7.9
从投稿到一审意见的中位数时间：70天
2024年AGU年会正在接收摘要，点击下方图片了解详情：
点击下方“阅读原文”访问Journal of Advances in Modeling Earth Systems (JAMES)期刊网站，阅读更多精彩内容。
