中國科學院大氣物理研究所陳曦研究員團隊在數(shù)據驅動的集合預報算法研究上取得重要進展。相關研究成果以“生成式超級集合增強天氣預報”(Boosting weather forecast via generative superensemble)為題,發(fā)表于《npj climate and atmospheric science》。
數(shù)據驅動天氣預報模型雖已在計算效率和確定性預報技巧上接近傳統(tǒng)數(shù)值模式,但仍面臨預報場過度平滑導致極端事件被系統(tǒng)性低估以及缺乏可靠不確定性量化能力等關鍵挑戰(zhàn),其根源在于未能顯式表征初始條件、模式系統(tǒng)偏差和隨機過程三種不確定性來源;同時,隨著 AI 氣象模式的快速迭代與開源模式激增,缺乏有效融合多模式能力的集合預報框架。針對這些問題,陳曦研究員團隊提出基于生成式擴散模型的即插即用集合預報基座 GenEPS(Generative superEnsemble Prediction System),通過學習大氣狀態(tài)的高維概率分布,并采用隨機微分方程編輯技術實現(xiàn)高效后驗采樣,可為任意數(shù)據驅動的確定性預報模式賦予集合預報能力(圖1左)。
GenEPS技能指標優(yōu)于ECMWF集合預報系統(tǒng)和NeuralGCM等數(shù)據驅動模式?;贓RA5再分析資料的檢驗顯示,10天預報的500 hPa位勢高度距平相關系數(shù)達到0.691,較ECMWF-ENS提升6.9%(圖1右)。在2023年臺風“杜蘇芮”等極端事件預報中保持了良好的預報場物理一致性(圖2),有效模擬出高強度臺風眼等精細化特征。

圖1 左圖:GenEPS算法概念圖;右圖:2023年全球Z500 ACC多模式性能比較

圖2:臺風“杜蘇芮”7天預報(2023年7月21日00UTC初始)。 (c-f)700 hPa比濕場,包括ERA5驗證、ECMWF-ENS成員和GenEPS成員;(g)功率譜分析;(h-j)Pangu、Fengwu和Fuxi的確定性預報場。
GenEPS有效緩解了數(shù)據驅動天氣預報在不確定性量化和極端事件預報方面的關鍵問題,在中期預報的確定性和概率性技能上均實現(xiàn)了顯著改進。作為即插即用的基座系統(tǒng),GenEPS為數(shù)據驅動天氣預報模型提供輕量化的多模式超級集合預報框架。GenEPS未來可接入更多模式成員包括傳統(tǒng)數(shù)值預報,有望進一步提升預報性能。
中國科學院大氣物理研究所科研助理奈聰毅為第一作者,中國科學院大氣物理研究所陳曦研究員和潘寶祥副研究員為共同通訊作者。研究得到國家自然科學基金(42275174、42288101)和國家重點研發(fā)計劃(2022YFF0802001、2024YFF0809004、2024YFB4204800)等項目的共同資助,以及國家重大科技基礎設施“地球系統(tǒng)數(shù)值模擬裝置”(EarthLab)等單位的支持。
論文信息:
Nai,C.,Chen,X.,Yang,S.?et al.?Boosting weather forecast via generative superensemble.?npj Clim Atmos Sci?8,377 (2025). https://doi.org/10.1038/s41612-025-01255-x