WikiEdge:ArXiv速遞/2025-03-01

摘要

• 原文標題：Investigating the contribution of terrain-following coordinates and conservation schemes in AI-driven precipitation forecasts
• 中文標題：探究地形跟隨坐標和守恆方案在AI驅動的降水預報中的貢獻
• 發布日期：2025-03-01 03:44:46+00:00
• 作者：Yingkai Sha, John S. Schreck, William Chapman, David John Gagne II
• 分類：physics.ao-ph, cs.AI
• 原文連結：http://arxiv.org/abs/2503.00332v1

中文摘要：人工智慧（AI）天氣預測（AIWP）模型通常會產生「模糊」的降水預報，這些預報往往會高估毛毛雨而低估極端降水。本研究提出了一種解決這一問題的新方法——將地形跟隨坐標與全球質量和能量守恆方案集成到AIWP模型中。通過使用FuXi這一AIWP模型進行預報實驗，評估了該方法的有效性，該模型適用於1.0$^\circ$網格間距數據。驗證結果表明，性能有顯著提升。守恆方案減少了毛毛雨的偏差，而使用地形跟隨坐標則改善了極端事件和降水強度譜的估計。此外，一個案例研究表明，地形跟隨坐標能夠更好地捕捉山區近地表風，為AIWP模型提供了更準確的信息，以理解降水過程的動力學。本研究提出的方法可以廣泛應用於AIWP模型，並為大氣領域知識如何支持AIWP模型的發展提供了新的見解。