查看“WikiEdge:ArXiv速递/2025-03-01”的源代码

== 摘要 ==
* '''原文标题'''：Investigating the contribution of terrain-following coordinates and conservation schemes in AI-driven precipitation forecasts
* '''中文标题'''：探究地形跟随坐标和守恒方案在AI驱动的降水预报中的贡献
* '''发布日期'''：2025-03-01 03:44:46+00:00
* '''作者'''：Yingkai Sha, John S. Schreck, William Chapman, David John Gagne II
* '''分类'''：physics.ao-ph, cs.AI
*'''原文链接'''：http://arxiv.org/abs/2503.00332v1
'''中文摘要'''：[[人工智能]]（[[AI]]）[[天气预测]]（[[AIWP]]）模型通常会产生“模糊”的[[降水]]预报，这些预报往往会高估[[毛毛雨]]而低估[[极端降水]]。本研究提出了一种解决这一问题的新方法——将[[地形跟随坐标]]与[[全球质量和能量守恒]]方案集成到[[AIWP]]模型中。通过使用[[FuXi]]这一[[AIWP]]模型进行预报实验，评估了该方法的有效性，该模型适用于1.0$^\circ$网格间距数据。验证结果表明，性能有显著提升。[[守恒方案]]减少了[[毛毛雨]]的偏差，而使用[[地形跟随坐标]]则改善了[[极端事件]]和[[降水强度谱]]的估计。此外，一个案例研究表明，[[地形跟随坐标]]能够更好地捕捉[[山区]]近地表风，为[[AIWP]]模型提供了更准确的信息，以理解[[降水过程]]的[[动力学]]。本研究提出的方法可以广泛应用于[[AIWP]]模型，并为[[大气领域]]知识如何支持[[AIWP]]模型的发展提供了新的见解。