當今社會，天氣預報無比重要，社會各界的要求也越來越高。傳統的天氣預報，主要依靠數值天氣預報模型完成。得益于觀測手段、同化算法和實體參數化方法的進步，數值預報模型在過去幾十年取得了非常大的進步。然而，這些進步也對計算機的運算速度和存儲提出越來越高的要求。
近年來，深度學習方法越來越多地應用于天氣和氣候研究中，用于模式結果後處理、代替傳統模式中較為耗時的子產品或者建構獨立的統計預報模型。複旦大學大氣與海洋科學系陳國興課題組發表在Geophysical Research Letters上的工作（Chen and Wang, 2022），首次将深度學習方法應用于短時降水預報方面。該工作建構了一種基于三維卷積神經網絡的短時降水預報的模型，利用三維氣象場預報美國大陸的日降水空間分布。
圖1. 論文發表資訊
結果表明：一、神經網絡模型可以有效預報美國大陸地區的日降水分布，其對5天降水預報的均方根誤差要小于目前最優秀的數值預報模型結果；二、将神經網絡模型預報結果與傳統模型預報結果的權重可以顯著改進傳統模型的結果；三、神經網絡模型的預測過程耗時極短，可通過大規模集合預報進一步提高預報精度。
圖2. 基于深度學習的美國大陸降水預報示意圖
該工作顯示了深度學習在短時天氣預報方面的巨大潛力，類似的方法可以應用在其他變量或者場景方面的預報。進一步的工作将使用類似的方法建構針對中國東部地區的短時降水預報模型。
論文資訊：
Chen, G.*, and W.-C. Wang, 2022: Short‐term precipitation prediction for contiguous United States using deep learning. Geophysical Research Letters, 49.
論文連結：
https://agupubs.onlinelibrary.wiley.com/doi/10.1029/2022GL097904
文章均為原創或取得作者授權，轉載請取得授權，并注意保持完整性和注明出處，歡迎在微信關注“中氣愛科技新知”公衆号檢視