Sub-jurnal alam semula jadi, Institut Teknologi Shanghai, Universiti Fudan dan Pentadbiran Meteorologi China membangunkan model besar AI sub-musim 'Fuxi' untuk menembusi 'gurun kebolehramalan'

. proses sebulan lebih awal", dan ini Ia tidak dapat dipisahkan daripada teknologi ramalan iklim sub-musim lebih daripada 15 hari.

Ramalan iklim submusim memfokuskan pada anomali iklim dalam tempoh 15 hingga 60 hari akan datang, yang boleh memberikan sokongan penting untuk pengaturan pengeluaran dalam bidang pertanian, pemuliharaan air, tenaga dan bidang lain.

Berbanding dengan ramalan cuaca jangka pendek dan sederhana dengan tempoh sah kurang daripada dua minggu, ramalan iklim sub-musim mempunyai ketidakpastian yang lebih besar. Ia bukan sahaja perlu mempertimbangkan masalah nilai awal, tetapi juga mempertimbangkan kesan pemaksaan sempadan Sumber ramalan adalah lebih kompleks dan kemahiran ramalan adalah kurang. Oleh itu, ramalan iklim sub-musim sentiasa dipanggil "padang pasir kebolehramalan".

Untuk menyelesaikan masalah ini, Institut Sains dan Perisikan Shanghai (dirujuk sebagai SIRI), Universiti Fudan, dan Pusat Iklim Kebangsaan Pentadbiran Meteorologi China bersama-sama membangunkan model ramalan iklim sub-musim "FuXi" (FuXi). -S2S), yang buat pertama kalinya melepasi ramalan berangka tradisional Penanda aras model - model S2S Pusat Eropah untuk Ramalan Cuaca Julat Sederhana (ECMWF).
2. Baru-baru ini, kertas kerja bertajuk "Model Pembelajaran Mesin yang Mengungguli Model Ramalan Submusim Global Konvensional" telah diterbitkan dalam jurnal komprehensif antarabangsa yang berwibawa "Nature Communications".

Sebagai model pembelajaran mesin, model ramalan iklim sub-musim "Fuxi" mengandungi pembolehubah yang agak komprehensif:

5 pembolehubah atmosfera altitud atas dalam 13 lapisan tekanan

11 pembolehubah tanah

Ia mampu untuk menjana ramalan ensemble besar dengan cepat dan cekap, melengkapkan ramalan purata harian global sehingga 42 hari dalam masa kira-kira 7 saat.

Maklumat ramalan ini penting untuk perancangan pertanian, pengurusan sumber, kesediaan bencana dan perlindungan terhadap kejadian cuaca ekstrem seperti gelombang panas, kemarau, gelombang sejuk dan banjir.

Model ramalan iklim submusim berskala besar "Fuxi" telah mencapai dua inovasi teknologi utama:

1. Memperkenalkan proses interaksi udara-laut, terutamanya ayunan intramusim atmosfera tropika (MJO), faktor sub-musim yang paling penting sumber kebolehramalan dimasukkan ke dalam model;
2. Mereka bentuk modul penjanaan gangguan pintar secara inovatif dalam ruang terpendam, yang boleh menerangkan ciri kebarangkalian evolusi sistem iklim pada masa ramalan masa hadapan di bawah keadaan sistem iklim semasa, dengan itu memahami dengan berkesan ketidakpastian Fizikal sistem iklim.

Penerobosan teknologi ini telah meningkatkan dengan ketara keupayaan ramalan global model tentang kerpasan, terutamanya di kawasan luar tropika seperti bahagian tengah dan hilir Sungai Yangtze di negara saya.

Ilustrasi: Gambaran keseluruhan seni bina proses. (Sumber: Kertas)

MJO ialah corak peredaran atmosfera berkala yang mempengaruhi kawasan dari kawasan tropika hingga latitud pertengahan dan tinggi. Meramalkan MJO boleh membantu ahli meteorologi dan klimatologi memahami dan meramalkan corak hujan dengan lebih tepat, aktiviti ribut, perubahan suhu dan kejadian cuaca ekstrem seperti kemarau dan banjir dalam beberapa minggu hingga bulan akan datang.

1. Model ramalan iklim sub-musim besar "Fuxi" telah meningkatkan kemahiran ramalan MJO dengan berkesan, mencapai 36 hari, yang jauh melebihi tempoh 30 hari model S2S ECMWF.
2. Ilustrasi: Madden multivariate masa nyata min ensemble antara ramalan ECMWF subseasonal-to-musim (S2S) (biru) dan ramalan FuXi-S2S (merah) menggunakan semua data ujian dari 2017 hingga 2021 - Julian Oscillation (MJ) (RMM) Bivariate Correlation (COR) untuk perbandingan. (Sumber: kertas)

Selain itu, model besar ramalan iklim sub-musim "Fuxi" juga boleh mengenal pasti maklumat berpotensi yang membawa kepada peristiwa ekstrem dengan membina peta saliensi Keupayaan ini berguna dalam meramalkan hujan melampau semasa banjir Pakistan 2022. aspek telah disahkan.

Proses khusus adalah untuk mentakrifkan fungsi kehilangan dahulu, seperti purata peratusan anomali kerpasan di Pakistan yang ditandakan dengan kotak hijau dalam rajah di bawah, pastikan parameter model tetap, dan kemudian selesaikan kecerunan melalui perambatan belakang dan akhirnya mengeluarkan kecerunan daripada piksel imej input untuk mencerminkan input Kesan korelasi positif dan negatif unsur meteorologi pada peratusan anomali kerpasan di Pakistan.

Mit den leistungsstarken Vorhersagefähigkeiten und den Fähigkeiten zur Identifizierung von Vorläufersignalen des subsaisonalen Klimavorhersagemodells „Fuxi“ können wirksame Werkzeuge und Strategien für den Umgang mit extremen Wetterereignissen bereitgestellt werden.

Abbildung: Vergleichende Analyse des subsaisonalen bis saisonalen (S2S)-Modells des ECMWF und des FuXi-S2S-Modells für Überschwemmungsvorhersagen 2022 in Pakistan sowie vorläufige Signale, die zu genauen Vorhersagen des FuXi-S2S-Modells beitragen. (Quelle: Papier) Ausblick
In der Vergangenheit waren nur wenige Länder der Welt in der Lage, traditionelle numerische Vorhersagemodelle in Echtzeit zu entwickeln und zu betreiben. Ihre Entwicklung und ihr Betrieb erforderten viel Arbeitskraft und Rechenressourcen und waren auf Tausende angewiesen CPUs auf Supercomputern.
Heutzutage laufen KI-basierte Modelle wie das Fuxi Meteorological Model schneller und erfordern nach dem Training weniger Rechenressourcen, was eine günstigere Option für Entwicklungsländer darstellt.
Künstliche Intelligenz bietet auch im Bereich des Klimawandel-Risikomanagements großes Entwicklungspotenzial. Es kann das Forschungsparadigma der Klimawissenschaft verändern, die Grenzen traditioneller Modelle durchbrechen und präzise Klimarisikovorhersagen mit feinerer räumlicher Auflösung und längeren Zeitskalen ermöglichen. Diese Technologie wird in den Bereichen Extremklimavorhersage, Transport, Versicherungen, neue Energie, Terminhandel, Stadtplanung und anderen Industriebereichen weit verbreitet sein.
Derzeit besteht beim großen subsaisonalen Klimavorhersagemodell „Fuxi“ noch Raum für Verbesserungen. Beispielsweise beträgt seine räumliche Auflösung 1,5 Grad, was im Vergleich zur räumlichen Auflösung des subsaisonalen ECMWF-Modells von 36 km immer noch relativ grob ist. Die aktuelle Vorhersage ist die tägliche Durchschnittstemperatur, das Fehlen der täglichen Höchsttemperatur und der täglichen Mindesttemperatur usw.
Darüber hinaus untersucht das Nebensaison-Großmodell „Fuxi“ auch die Erhöhung der maximalen Druckschicht von derzeit 50 hPa (hundert Pascal) auf 1 hPa oder sogar in die Nähe des Weltraums, um weitere Anwendungsszenarien zu ermöglichen.
Über die Autoren
Chen Lei, Forscher am Shanghai Institute of Technology, Zhong Xiaohui, Postdoktorand am Institute of Artificial Intelligence Innovation and Industry der Fudan-Universität, und Wu Jie, stellvertretender Direktor des Climate Research Open Laboratory of the China Meteorological Administration sind die Co-Erstautoren des Papiers. Qi Yuan, Dekan des Shangzhi-Instituts und Haoqing Distinguished Professor der Fudan-Universität, Li Hao, stellvertretender Dekan für wissenschaftliche Forschung des Shangzhi-Instituts und Forscher des Forschungsinstituts für künstliche Intelligenz, Innovation und Industrie der Fudan-Universität, und Lu Bo, Forscher des Climate Research Open Laboratory von der China Meteorological Administration, sind Co-Autoren des Papiers.
Alle Autoren: Lei Chen, Xiaohui Zhong, Hao Li#, Jie Wu, Bo Lu#, Deliang Chen, Shang-Ping Xie, Libo Wu, Qingchen Chao, Chensen Lin, Zixin Hu & Yuan Qi# (# gibt den Kommunikationsautor an)
Link zum Papier: https://www.nature.com/articles/s41467-024-50714-1

Atas ialah kandungan terperinci Sub-jurnal alam semula jadi, Institut Teknologi Shanghai, Universiti Fudan dan Pentadbiran Meteorologi China membangunkan model besar AI sub-musim 'Fuxi' untuk menembusi 'gurun kebolehramalan'. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!