Nature 速递：基于非线性神经网络模型即时预报极端降水

关键词：混沌动力学，大气科学，神经网络框架，极端天气预报

论文题目：Skilful nowcasting of extreme precipitation with NowcastNet

期刊来源：Nature

斑图链接：https://pattern.swarma.org/paper/340eb01e-1b89-11ee-af09-0242ac17000d

极端降水是造成气象灾害的一个重要因素，迫切需要通过高分辨率、长周期和局部细节的技术进行临近预报，以减轻其社会经济影响。目前的方法受到模糊、耗散、强度或位置误差的影响，基于物理的数值方法难以捕捉关键的混沌动力学，如对流起始（convective initiation），数据驱动的学习方法则不能遵守固有的物理规律，如平流守恒（advective conservation）。

最新发表于 Nature 的研究提出了一种非线性的极端降水临近预测模型 NowcastNet。这是一种用于极端降水即时预报的非线性模型，它将物理演变方案和条件学习方法统一到一个神经网络框架中，该框架实现了端到端的预报错误优化。

在美国和中国雷达观测的基础上，对于2048 km × 2048 km 的区域，该模型能够提供提前3小时的具有明显多尺度模式的降水即时预报。在全国62名专业气象学家的系统评估中，该模型在71% 的案例中都达到了最优预测水平。NowcastNet 在小雨到大雨等不同类型的降雨率方面提供了技巧性的预报，特别是对伴随着过去难以处理的伴随对流或对流过程的极端降雨事件。