嵌入机器学习次网格变率可改善气候模型降水模态
Giles, D., Briant, J., Morcrette, C.J. et al. Embedding machine-learnt sub-grid variability improves climate model precipitation patterns. Commun Earth Environ 5, 712 (2024). https://doi.org/10.1038/s43247-024-01885-8IF: 8.1 Q1
研究背景
在大气环流模式中，参数化方案需要捕捉云过程和降水形成，但存在长期已知的偏差。在这里，我们开发了一种混合方法，通过嵌入一个多输出高斯过程来解决这些偏差，该过程被训练用来预测每个气候模型网格框内的高分辨率变化。经过训练的多输出高斯过程模型与一个名为 SPEEDY 的简化大气环流模式进行了现场耦合。根据高斯过程预测的变率，SPEEDY 的温度和比湿剖面在固定间隔被扰动。为控制和机器学习混合模型生成了十年的预测。混合模型将全球降水面积加权均方根误差降低了高达 17%，在热带地区降低了高达 20%。已知混合技术可能引入非物理状态，因此探索物理量以确保没有观察到气候漂移。此外，为了理解降水改善的驱动因素，研究了热力学剖面的变化和抬升指数值的分布变化
研究方法和数据
方法
• 多输出高斯过程（MOGP）：用于预测温度和湿度变率的模型。与传统的神经网络方法相比，MOGP 在训练分布外的采样更稳定，需要的训练样本更少，并且提供了内在的不确定性估计。
• SPEEDY 模型：一个简化的大气 GCM，包含一个光谱原始方程动态核心以及一组简化的物理参数化方案。
数据
• 使用英国气象办公室的统一模型（MetUM）生成的训练数据，该模型具有 1.5 公里的空间分辨率，并进行了 10 天的模拟。
研究结论
• 混合模型在减少全球降水面积加权均方根误差方面表现出色，与 GPCP 卫星降水数据相比，全球范围内降低了 17%，在热带地区降低了 20%。
• 混合模型引入的扰动在平均值为零的情况下，对降水模态有非零影响，特别是在热带天气情况下，小的扰动可以导致对流活动的显著变化。
不足与讨论
• 尽管 SPEEDY 是一个简化的模型，但它在降水方面表现出了与更复杂的 GCMs 相似的偏差，如阿拉伯海的湿偏差和孟加拉湾的干偏差。
• 未来的工作可能包括使用更大的数据集重新训练 MOGP，将 MOGP 与更复杂的 GCMs 耦合，以及研究预测不确定性的采样方式。
文章作者及单位信息
• Daniel Giles 1, James Briant 2, Cyril J. Morcrette 3,4 & Serge Guillas 2
•
1. 计算机科学系，UCL 人工智能中心，伦敦大学学院，伦敦，英国。
•
1. 统计科学系，伦敦大学学院，伦敦，英国。
•
1. 英国气象办公室，埃克塞特，英国。
•
1. 数学与统计学系，数据科学与人工智能研究所和全球系统研究所，埃克塞特大学，埃克塞特，英国。
MOGP 模型在实际气象预测中应用如何？
MOGP（Multi-Output Gaussian Process）模型在实际气象预测中的应用主要体现在以下几个方面：
1. 预测次网格变率：
• MOGP 模型能够预测气候模型网格框内的高分辨率变率，这对于捕捉小尺度气象过程（如云和降水）至关重要，因为这些过程通常受到比模型网格尺度更小的因素的影响。
2. 改善气候模型的偏差：
• 通过嵌入 MOGP 模型，可以减少气候模型在云形成、对流、降水和水循环与大尺度动力学相互作用方面的长期偏差。
3. 提高降水预测的准确性：
• 在实际应用中，MOGP 模型通过预测温度和比湿的变异性，能够改善降水预测的模式，特别是在热带地区，能够显著降低降水预测的均方根误差。
4. 提供不确定性估计：
• MOGP 模型提供了预测的不确定性估计，这对于气象预测中的决策支持系统非常重要，因为它可以帮助评估预测的可靠性。
5. 数据驱动的混合模型：
• MOGP 模型可以作为数据驱动方法与物理基础模型的混合，这种混合方法可以提高模型的预测能力，尤其是在处理复杂的气象现象时。
6. 长期气候模拟的稳定性：
• 在长期气候模拟中，MOGP 模型的应用有助于确保模型的稳定性，防止气候漂移，这对于气候研究和预测至关重要。
7. 探索热力学剖面和抬升指数的变化：
• MOGP 模型的应用可以帮助研究热力学剖面的变化和抬升指数值的分布，这对于理解降水改善的物理驱动因素非常重要。
8. 提高模型的物理合理性：
• 通过在模型中引入物理过程的表示，MOGP 模型有助于提高模型的物理合理性，使得模型预测更加符合实际大气过程。
MOGP 模型在实际气象预测中的应用前景广阔，尤其是在提高降水预测的准确性和提供不确定性估计方面。随着机器学习和大数据技术的发展，预计 MOGP 模型将在气象领域发挥更大的作用。
以上是对文章的详细解读，如有不当之处欢迎批评指出！也可以私信小编（Earth_Ai）。
声明：本公众号分享的资源均来自于互联网的公开资源，仅供个人学习和研究使用，不代表本人对其版权、真实性、合法性、准确性等方面做出任何保证。任何使用本号分享的资源的个人或组织，需自行承担相应的法律责任和后果；本号不承担任何法律责任和连带责任。使用本号分享的资源即代表您已完全了解并同意本免责声明的所有内容。
上海位温信息科技有限公司
专业的商业气象服务商
![]()
（咨询数据详情，可添加微信，请备注：合规数据）
可提供气象产品 ：
全国三千多个基准站
3213 个主要城市站点、每小时发 布 1 次，
每天发布 24 次，每次提供当前整点时刻的
城市站点实况天气（实况产品会在整点后
15 分钟、20 分钟、30 分钟进行数据更新），
要素包括：天气现象、气温、体感温度、风速、
风力、风向、相对湿度、气压、1小时降水量、
10分钟降水量、能见度、日出时间、日落时间、
紫外辐射等要素。
探空气象站
海洋气象站
雷达拼图
卫星云图（风云4、葵花8）
格点实况、再分析资料
数值预报:CMA EC GFS
强对流天气预报
强天气落区预报
强对流天气（短时强降水/冰雹/雷暴大风）概率预报图
台风、热带气旋
可提供国内与国外各类气象咨询气象服务
本公司提供服务稳定可靠，您值得拥有。
上海位温信息科技有限公司
专业的商业气象服务商
（咨询数据详情，可添加微信，请备注：合规数据）
可提供气象产品 ：
全国三千多个基准站
3213 个主要城市站点、每小时发 布 1 次，
每天发布 24 次，每次提供当前整点时刻的
城市站点实况天气（实况产品会在整点后
15 分钟、20 分钟、30 分钟进行数据更新），
要素包括：天气现象、气温、体感温度、风速、
风力、风向、相对湿度、气压、1小时降水量、
10分钟降水量、能见度、日出时间、日落时间、
紫外辐射等要素。
探空气象站
海洋气象站
雷达拼图
卫星云图（风云4、葵花8）
格点实况、再分析资料
数值预报:CMA EC GFS
强对流天气预报
强天气落区预报
强对流天气（短时强降水/冰雹/雷暴大风）概率预报图
台风、热带气旋
可提供国内与国外各类气象咨询气象服务
本公司提供服务稳定可靠，您值得拥有。
