重大突破！混合物理-AI在极端降水临近预报中胜过数值天气预报
Das, P., Posch, A., Barber, N. et al. Hybrid physics-AI outperforms numerical weather prediction for extreme precipitation nowcasting. npj Clim Atmos Sci 7, 282 (2024). https://doi.org/10.1038/s41612-024-00834-8IF: 8.5 Q1
降水临近预报对于洪水紧急响应和河流管理至关重要，但尽管近年来深度生成建模（DGM）的发展表明有改进的可能性，这一领域仍然面临挑战。河流管理中心，如田纳西河流域管理局，一直在使用数值天气预报（NWP）模型进行临近预报，但即便是最优秀的NWP模型也存在漏检问题。尽管过去几十年的研究在平流和局部演变方面取得了有限的进展，但最近的尝试显示出所谓的无物理机器学习（ML）方法的进步，甚至嵌入物理的机器学习方法表现出更大的改进。DGM的开发者在进行临近预报时将他们的方法与光流（平流的一种变体）和气象学家的判断进行了比较，但并未与NWP模型进行比较。此外，他们也没有与水资源和河流管理者进行独立的共同评估。在这里，我们展示了最先进的嵌入物理的深度生成模型，特别是NowcastNet，优于最新一代的NWP模型——高分辨率快速刷新（HRRR）模型，以及平流和持续性，尤其是在重度降水事件中。因此，对于超过16 mm/h的网格单元极值，NowcastNet的中位数临界成功指数（CSI）为0.30，而HRRR的中位数CSI为0.04。然而，尽管NowcastNet在逐点预测中显示出水文相关的改进，但在较长的预报时间内，仍存在对空间聚合降水的高估问题。我们与机器学习开发者、水文学家和河流管理者的共同评估表明，可能会改善洪水紧急响应和水电管理。
研究背景
降水临近预报（nowcasting）对于洪水紧急响应和河流管理至关重要，尽管数十年来一直是一个挑战，但随着深度生成模型（DGM）的发展，改进的可能性逐渐显现。例如，田纳西河流域管理局（TVA）等河流管理中心一直在使用数值天气预报（NWP）模型进行临近预报，但即便是最好的NWP模型也存在漏检问题。尽管过去的研究在平流和局部演化方面取得了有限的改进，但最近的尝试显示了所谓的无物理机器学习方法的进步，而嵌入物理的机器学习方法改进更大。
研究意义
本研究的意义在于，通过比较最先进的嵌入物理深度生成模型（NowcastNet）与最新一代的NWP模型（HRRR），尤其是在重度降水事件中的表现，来评估其在极端降水临近预报中的性能。这对于提高洪水紧急响应和水电管理的效率具有重要意义。
研究方法和数据
方法
• NowcastNet：这是一种嵌入物理的深度生成模型，能够将雷达数据观测到的对流尺度细节与物理定律规定的中尺度模式合并到神经网络框架中。
• HRRR：这是NOAA开发的最先进的NWP模型，利用复杂的基于物理的方程和数据同化提供每小时的预报。
• 基线方法：包括平流或光流（由PySTEPS算法表示）和持续性假设，后者假设降水强度和位置随时间保持不变。
数据
• MRMS数据：由NOAA的国家严重风暴实验室（NSSL）开发，整合了大约180个操作性美国WSR-88D天气雷达和模型分析数据，以产生网格化降水数据。
• HRRR数据：NOAA提供的高分辨率快速刷新（HRRR）模型数据。
研究结论
• NowcastNet在预测极端降水事件的轨迹和强度方面优于HRRR，尤其是在预测超过30毫米/小时的极端降水热点方面。
• NowcastNet在多个初始化时间的评估中，与观测降水趋势的一致性更高，而HRRR在整个事件中普遍低估了降水。
• 在对2021年至2024年的30个重度降水事件的综合评估中，NowcastNet与观测MRMS数据的相似性高于HRRR和其他基线方法。
不足与讨论
尽管NowcastNet在预测重度降水事件方面优于HRRR和其他模型，但也存在一些不足，例如在更高分辨率下估计总降水量和空间精度的不准确。特别是在更长的预报时间里，NowcastNet对降水的空间分布预测不够准确，这可能是由于模型在捕捉复杂降水模式方面的挑战。
未来工作方向
未来的工作可以通过整合更多的物理原理和多样化的辅助数据源来提高预报的可靠性。例如，整合卫星数据可以增强模型对大规模天气模式的理解，而土地利用信息有助于解释城市效应、高蒸腾植被和水体对降水的影响。此外，地形特性和海拔数据可以细化考虑大气稳定性和湿度随高度变化的预报。最后，将数值天气预报的状态变量与深度生成临近预报相结合，可能会进一步提高准确性。
NowcastNet和HRRR模型在预测极端降水时哪个更精确？
NowcastNet模型在预测极端降水方面相较于HRRR模型表现出更高的精确度和技能。以下是几个关键点的总结：
1. 模型比较：在多个模型的比较中，NowcastNet是唯一能够准确预测细线移动并保持降水区域包络的模型，特别是在强降水（>32 mm/h）条件下，NowcastNet显著提高了临界成功指数（CSI）。此外，NowcastNet在所有波长（即空间尺度）上都取得了最高的功率谱密度（PSD），提供了清晰、一致和多尺度的临近预报，与实际情况相比效果显著。
2. 定量评估：基于CSI邻域和PSD的定量评估显示，NowcastNet在较高降水率（>16 mm/h）下生成了更准确的临近预报。根据PSD，NowcastNet在3小时预报时间内，产生了与雷达观测一致性更高的光谱特性变化的更清晰的临近预报。
3. 极端降水事件的预测：在中美两国的极端降水事件中，NowcastNet展现了其在预测极端降水方面的优越性。例如，在中国江淮地区的强降水过程中，NowcastNet能够准确预测出三个强降水超级单体的变化过程。在美国中部地区的龙卷风灾害中，NowcastNet能够对强降水的强度、落区和运动形态等给出更清晰、更准确的预报结果。
4. 气象专家的评估：国家气象中心邀请的62位气象专家对NowcastNet进行了评估，结果显示NowcastNet在临界成功指数（CSI）和能量谱密度（PSD）等数值指标上全面超越现有技术，在71%的天气过程中被认为具有最高的预报价值。
NowcastNet模型在预测极端降水事件的准确性和技能上明显优于HRRR模型。这些结果强调了NowcastNet在提供高分辨率、长时效和详细局部特征的极端降水临近预报方面的优势。
研究中提到整合更多物理原理，具体有哪些建议？
在这项研究中，提出了整合更多物理原理以提高极端降水临近预报的准确性的建议。具体建议如下：
1. 整合物理进化方案：NowcastNet模型中已经包含了物理机制，特别是在evolution模块中，通过考虑物理过程（如质量守恒）来预测动量和残差，再经过evolution operator得到预测结果。
2. 多模式降水融合：通过多模式降水的机器学习融合，可以提取各模式降水预报精细结构的优势，显著改进降水落区预报。
3. 异常物理特征的利用：学习异常物理特征与强降水的关系，可以显著提升降水预报的强度。
4. 多源观测资料的整合：充分利用卫星、雷达等多源观测资料，理解多模式降水预报的偏差特征和物理成因。
5. 高分辨率数值预报能力的增强：提高数值预报的能力，尤其是在极端降水事件的预测中，通过高分辨率的数值预报来捕捉更精细的气象特征。
6. 多尺度物理融合的机器学习研究：在机器学习建模中同时使用全球模式的环流异常特征和区域模式的中尺度信息，以提升强降水预报。
7. 网络模型的构建：构建综合表达多模式信息和异常特征的网络模型，实现物理与智能技术的深度融合。
8. 集合模拟技术的应用：利用全球模式的预估结果，深入研究各种集合模拟技术，并应用于未来不同气候情景下极端水文事件的变化预测，以降低预测中的不确定性。
9. 观测资料的整理与同化处理：强化水文气象观测，并对现有不同来源的观测资料进行整理分化，如进行数字化、严格的质量控制和同化处理等，得到高时空分辨率的网格化观测资料系列。
文章提到的卫星数据对模型有何影响？
卫星数据对模型的影响主要体现在以下几个方面：
1. 提高极端降水监测能力：IMERG（Integrated Multi-satellitE Retrievals for GPM）和GSMaP（Global Satellite Mapping of Precipitation）是两个高精度的多卫星降水产品。它们能够很好地反映中国地区极端降水指标的空间分布特征，并且在低海拔地区比高海拔地区有更好的监测能力。这表明卫星数据对于监测极端降水事件具有重要的应用潜力。
2. 区域性精度差异：IMERG和GSMaP在不同的地理区域显示出不同的精度。在东南流域、海河流域和松花江及辽河流域，IMERG和GSMaP的精度相对较高，而在内陆流域的精度则相对较低。这说明卫星数据在不同地区的应用效果存在差异，需要针对性地进行校准和调整。
3. 降水检测率与精度：在东南地区的降水检测率高于西北地区，而西北地区的精度高于东南地区。对于低阈值降水，检测率更高，而对于高阈值降水，精度更高。这表明卫星数据在不同降水阈值下的监测效果有所不同，对于极端降水事件的监测尤其重要。
4. 对极端降水研究的贡献：IMERG和GSMaP在中国极端降水研究中具有很好的监测能力，这为极端降水研究提供了重要的数据支持。
5. 对模型性能的提升：卫星数据的整合可以提高模型对大规模天气模式的理解，尤其是在捕捉空间和时间变化方面。例如，IMERG产品在统计和水文方面可以很好地替代TMPA产品，显示出与地面观测数据相当的性能。
6. 数据同化与模型改进：通过数据同化技术，可以将卫星数据与其他观测数据结合，提高模型的初始条件，从而提高预报的准确性。HRRR模型在数据同化过程中利用了包括卫星辐射在内的多种观测数据，这有助于提高模型对小尺度特征（包括对流风暴）的预报能力。
7. 对模型限制的补充：卫星数据可以补充地面观测站覆盖不足的地区，尤其是在偏远或地形复杂的地区，提高模型对这些区域的降水监测能力。
卫星数据对模型的影响是多方面的，不仅可以提高极端降水的监测能力，还可以通过数据同化技术提高模型的预报精度，尤其是在地面观测数据不足的地区。然而，卫星数据在不同地区的应用效果存在差异，需要进一步的研究和模型校准来优化其应用。
NowcastNet在哪些具体气象场景下表现最好？
NowcastNet在以下具体气象场景下表现最好：
1. 极端降水事件：NowcastNet在预测极端降水事件中表现出色。它能够准确预测出强降水超级单体的变化过程。例如，在中国江淮地区的强降水过程中，NowcastNet能够准确预测出三个强降水超级单体的变化过程。
2. 龙卷风灾害：在美国中部地区突发的龙卷风灾害中，NowcastNet能够对强降水的强度、落区和运动形态等给出更清晰、更准确的预报结果。
3. 强降水过程：在多个城市发布红色暴雨警报的情况下，NowcastNet能够预测出不同对流单元的演变，包括从单细胞雷暴回波演变而来的弓形回波、从西南向中部移动的阵风线，以及在两者之间显示出稳定增长的单元。
4. 大规模雷达数据集：NowcastNet在美国和中国降水事件的大型雷达数据集上进行训练和测试，显示出在临界成功指数（CSI）和能量谱密度（PSD）等数值指标上全面超越现有技术。
5. 多尺度物理特性问题：NowcastNet通过结合深度学习方法与物理首原理，成功预测了长寿命的中尺度模式和捕捉短寿命的对流细节，预报时效可达到3小时。
6. 高分辨率和长时效预报：NowcastNet能够提供高分辨率、长时效和详细局部特征的极端降水临近预报。
综上所述，NowcastNet在极端降水事件、龙卷风灾害、强降水过程等复杂气象场景中展现出了优越的预报能力。
NowcastNet模型是否适用于全球范围的气象预报？
NowcastNet模型在设计和应用上展示了其在全球范围内的适用性。以下是具体的分析和结论：
1. 全球适用性的验证：
• NowcastNet模型在美国和中国的雷达观测资料上完成了训练和测试，这表明模型具备跨地区、甚至可能跨越不同气候特征区域的适用性。
2. 模型的泛化能力：
• 通过在两个不同国家的大规模雷达数据集上进行训练和测试，NowcastNet证明了其模型不仅适用于单一地区，而是具有较好的泛化能力，能够适应不同地理位置和气候条件。
3. 极端降水事件的全球性挑战：
• 极端降水事件是全球性的挑战，NowcastNet通过整合物理首原理和统计学习方法，成功预测了长寿命的中尺度模式和捕捉短寿命的对流细节，预报时效可达到3小时。这显示了其在全球范围内对极端天气事件的预报潜力。
4. 模型的国际应用：
• NowcastNet模型的提出，是软件学院与国家气象中心、国家气象信息中心合作研究的成果，这表明该模型得到了国际合作和验证，增强了其在全球范围内应用的可信度。
5. 模型的物理基础：
• NowcastNet模型基于物理过程的神经演变算子，实现了深度学习与物理规律的无缝融合。这种基于物理的方法提高了模型在全球不同气候区域的适用性，因为物理规律在全球范围内是一致的。
NowcastNet模型因其在全球范围内的训练、测试以及其基于物理的方法论，显示出了在全球范围内进行气象预报的适用性。这不仅包括极端降水事件的预报，也涵盖了其他需要临近预报的气象情况。
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。
