Sep, 2023
采用 HEALPix 网格推进简约深度学习天气预测
Advancing Parsimonious Deep Learning Weather Prediction using the HEALPix Mesh
Matthias Karlbauer, Nathaniel Cresswell-Clay, Raul A. Moreno, Dale R. Durran, Thorsten Kurth...
TL;DR我们提出了一种简约的深度学习天气预测模型，使用 Hierarchical Equal Area isoLatitude Pixelization（HEALPix）在全球近似 110 公里网格上，以 3 小时时间分辨率预测任意长时间的七个大气变量。与现有的机器学习天气预测模型（如 Pangu-Weather 和 GraphCast）相比，我们的 DLWP-HPX 模型使用更粗的分辨率和更少的预报变量。然而，在一周的提前时间内，其技能仅比欧洲中期天气预报中心最先进的数值天气预报模型晚了一天。我们报告了模型设计和与数据相关的决策带来的连续预测改进，例如从立方球切换到 HEALPix 网格，反演 U-Net 的通道深度，并在 U-Net 层次结构的每个级别引入门控循环单元（GRU）。HEALPix 网格上所有单元格的一致东西方向有助于开发位置不变的卷积核，成功地将全球气象模式传播到地球上。该模型在两天后没有任何频谱损失，可以自回归地展开数百步，生成稳定且逼真的大气状态，尊重季节趋势，在一年模拟中展示了这一点。我们简约的 DLWP-HPX 模型具有很好的研究性质，可能非常适合亚季节和季节性的预测。