用于天气预报的物理辅助和拓扑引导的深度学习

尽管深度学习模型在天气预报方面展现了巨大的潜力，但大多数模型忽视了底层天气演变的物理特性或地球表面的拓扑结构。鉴于这些缺点，我们开发了PASSAT，这是一种新颖的物理辅助和拓扑感知深度学习天气预报模型。PASSAT将天气演变归因于两个关键因素：(i) 平流过程，可通过平流方程和纳维-斯托克斯方程来表征；(ii) 地球-大气相互作用，这难以建模和计算。PASSAT还考虑了地球表面的拓扑结构，而非简单地将其视为平面。基于这些考虑，PASSAT在球面流形上数值求解平流方程和纳维-斯托克斯方程，利用球面图神经网络捕捉地球-大气相互作用，并从同一个球面图神经网络生成对求解平流方程至关重要的初始速度场。在5.625°分辨率的ERA5数据集上，PASSAT优于最先进的基于深度学习的天气预报模型以及业务数值天气预报模型IFS T42。代码和检查点可在https://github.com/Yumenomae/PASSAT_5p625获取。