Nature Communications: Система машинного обучения для прогнозирования погоды на основе данных
Прогнозирование погоды традиционно опирается на системы численного прогнозирования, которые интегрируют глобальные наблюдения, усвоение данных и результаты физических моделей. Однако дальнейшее развитие всё чаще сдерживается высокими вычислительными затратами, недостаточным использованием обширных наборов данных наблюдений и трудностями в получении более высокого разрешения. Недавние достижения в области машинного обучения представляют собой многообещающую альтернативу, но всё ещё зависят от начальных условий, создаваемых системами численного прогнозирования погоды. Здесь представлена FuXi Weather — глобальная система прогнозирования на основе машинного обучения, усваивающая данные с нескольких спутников и способная циклически анализировать данные и прогнозы. FuXi Weather генерирует надёжные 10-дневные прогнозы с разрешением 0,25°, используя меньше наблюдений, чем традиционные системы численного прогнозирования погоды. Это демонстрирует ценность фоновых прогнозов в ограничении анализа при усвоении данных. FuXi Weather превосходит прогнозы высокого разрешения Европейского центра среднесрочных прогнозов погоды на период свыше одного дня в регионах с редкими наблюдениями, таких как Центральная Африка, что подчёркивает её потенциал для улучшения прогнозов там, где инфраструктура наблюдений ограничена.
