WikiEdge:ArXiv速递/2025-03-01

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。