-
题名深度学习技术在智能网格天气预报中的应用进展与挑战
被引量:10
- 1
-
-
作者
杨绚
代刊
朱跃建
-
机构
国家气象中心
美国国家环境预报中心/环境模式中心
-
出处
《气象学报》
CAS
CSCD
北大核心
2022年第5期649-667,共19页
-
基金
国家重点研发计划项目(2021YFC3000905和2017YFC1502004)
中国气象局重点创新团队(CMA2022ZD04)
中国工程院咨询研究项目(FWC2014)。
-
文摘
中国智能网格天气预报已初步建立0-30 d涵盖基本气象要素的无缝隙气象预报业务体系。近年深度学习技术兴起,给不同领域带来前所未有的变革。同样,深度学习的非线性映射能力、海量信息提取能力、时空建模能力等优势为进一步提升智能网格预报的准确性和精细化水平提供了新的思路和方法。越来越多的研究将深度学习技术应用于智能网格预报的各个方面,包括数值预报订正和解释应用、集合天气预报、相似集合、统计降尺度、纯数据驱动的预报模型和极端天气预报等,并展示出良好的应用潜力。然而,目前深度学习技术在天气预报领域的应用仍处于起步阶段,将其引入智能网格预报业务体系还面临诸多挑战,主要包括算法的选择、算法的数据基础、多源数据融合以及模型的可解释性、可信度、可用性和工程化等。通过回顾近年来深度学习技术在智能网格预报中的应用进展和前景,同时对面临的挑战与应对进行探讨,将有利于促进深度学习技术在天气客观预报领域更好、更稳定的发展。
-
关键词
智能网格预报
深度学习
统计后处理
统计降尺度
数据驱动预报模型
-
Keywords
Gridded weather forecasting
Deep learning
Statistical post-process
Statistical downscaling
Data-driven forecasting model
-
分类号
P456.8
[天文地球—大气科学及气象学]
-