人工智能大模型对2024年长江中下游梅雨的预测评估

P456.3; 目前,人工智能大模型对长江中下游降水的次季节预测效果尚不清楚.采用三个人工智能气象大模型(Pangu-weather、Fuxi和FourCastNet)与欧洲中心次季节-季节模式(EC-S2S)预测资料,以2024年长江中下游梅雨为例,在诊断其降水及其环流演变的基础上,利用相关技巧、功率谱分析等方法,对比评估了气象大模型与欧洲中心S2S模式(EC-S2S)对该年梅雨降水、背景场变量及其低频振荡分量的预测效果,并与传统的EC-S2S模式进行了比较.结果表明:(1)2024年6月第4候,受西太平洋副热带高压北抬和北侧西风槽发展南伸影响,长江中下游进入梅雨期.此后,梅雨及其相关联的夏...

Full description

Saved in:
Bibliographic Details
Published in热带气象学报 Vol. 40; no. 6; pp. 1045 - 1062
Main Authors 曹欣沛, 梁萍, 黄文娟, 张志琦, 巩远发
Format Journal Article
LanguageChinese
Published 成都信息工程大学大气科学学院,四川 成都 610225%上海市气候中心/中国气象局上海城市气候变化应对重点开放实验室,上海 200030 2024
Subjects
准双周振荡
subseasonal forecasting
AI models
Meiyu season
人工智能大模型
次季节预测
quasi-biweekly oscillation
梅雨
Online AccessGet full text
ISSN1004-4965
DOI10.16032/j.issn.1004-4965.2024.092

Cover

More Information
Summary:P456.3; 目前,人工智能大模型对长江中下游降水的次季节预测效果尚不清楚.采用三个人工智能气象大模型(Pangu-weather、Fuxi和FourCastNet)与欧洲中心次季节-季节模式(EC-S2S)预测资料,以2024年长江中下游梅雨为例,在诊断其降水及其环流演变的基础上,利用相关技巧、功率谱分析等方法,对比评估了气象大模型与欧洲中心S2S模式(EC-S2S)对该年梅雨降水、背景场变量及其低频振荡分量的预测效果,并与传统的EC-S2S模式进行了比较.结果表明:(1)2024年6月第4候,受西太平洋副热带高压北抬和北侧西风槽发展南伸影响,长江中下游进入梅雨期.此后,梅雨及其相关联的夏季风、冷空气影响和湿度变化均呈现显著的准双周振荡.(2)三个大模型与EC-S2S模式都能提前10d较好地预测梅雨相联系的副高和西风槽的演变活动.当预测时效超前11d时,三个大模型与EC-S2S模式预测对梅雨环流形势的预测不确定性增加,其中仅Pangu模型和EC-S2S模式超前16-20 d的预测能反映出长江中下游南北两侧的冷暖空气活动.(3)FourCastNet、Fuxi两个模型和EC-S2S模式能提前11-15 d给出有显著相关技巧的梅雨降水预测,也能提前11-15 d反映梅雨区降水及其相关联环流的准双周振荡特征.EC-S2S模式对降水量的预测优于大模型,但其准双周振荡功率谱值弱于大模型.Pangu、FourCastNet和EC-S2S模式能提前16-20 d预报长江中下游南侧的夏季风和北侧西风槽活动的准双周振荡影响.尽管大模型在超前半月以上的梅雨环流预测上存在挑战,但对其低频分量的有效超前预测时效更长,部分要素(如经向风和比湿)预测优于EC-S2S模式,表明从低频振荡这一途径出发开展大模型的次季节预测,可为后续应用和改进大模型的次季节预测提供新思路.
ISSN:1004-4965
DOI:10.16032/j.issn.1004-4965.2024.092