DOI：https://doi.org/10.1029/2024GL110651
主要内容：
传统的估计天气预报对初始条件敏感度的方法是使用伴随模型，由于围绕控制预测进行线性化，因此这种模型的预测时间很短。深度学习框架的出现使得一种新方法成为可能，该方法使用反向传播和梯度下降来迭代优化初始条件，从而最大限度地减少预测误差。我们将这种方法应用于 2021 年 6 月太平洋西北部的热浪，使用 GraphCast 模型，太平洋西北部 10 天的预测误差减少了 90% 以上。使用 GraphCast 得出的最优值初始化的盘古天气模型预测也发现了类似的改进，这表明模型误差是扰动中不重要的部分。消除扰动中的小尺度也能产生类似的预测改进。延长优化窗口的长度，我们发现预测改进到大约 23 天，表明大气可预报性处于最近估计值的上限。
主要图表：
图1.2021 年 6 月 30 日 00 UTC 的 500 hPa 位势高度（等值线）和 2 米气温异常（颜色），包括 (a) ERA5 再分析、(b) GraphCast 10 天控制预报、(c) 从全球最优初始条件进行的 GraphCast 10 天预报和 (d) 从区域最优初始条件进行的 GraphCast 10 天预报。所有预报均于 2021 年 6 月 20 日 00 UTC 初始化。异常与 ERA5 6 月气候学 1979-2020 年相对，异常大于25℃ 阴影黄色。
图2.2021 年 6 月 30 日 00 UTC 时 500 hPa 位势高度（等值线）和 2 米气温异常（颜色），(a) 盘古天气 10 天控制预报，(b) 盘古天气 10 天预报，使用 GraphCast PNW 最优初始条件初始化 (c) 与 (b) 相同，但将 GraphCast 最优 IC 扰动过滤为 T60 球谐函数截断，(d) 与 (c) 相同，但 T30 GraphCast 初始条件扰动除外。所有预报均于 2021 年 6 月 20 日 00 UTC 初始化。异常与 ERA5 6 月气候学 1979-2020 年相比，异常大于25℃阴影黄色。
图3.GraphCast 瞬时全局损失（非时间平均）随时间的变化，从 2021 年 6 月 1 日 12 UTC 开始。控制集合预报以灰线显示，集合平均值以黑线显示。所有集合成员都具有由 ERA5 分析给出的相同初始条件，并且由于 GPU 计算框架的非确定性方面而出现分歧。彩色线显示针对 2.5 至 25 天的提前期优化的预报。
