ERL编辑优选：基于概率扩散模型的降水短临预报

文章介绍

Congyi Nai（奈聪毅）、Baoxiang Pan（潘宝祥）、Xi Chen（陈曦）、Qiuhong Tang（汤秋鸿）、Guangheng Ni（倪广恒）、Qingyun Duan（段青云）、Bo Lu（陆波）、Ziniu Xiao（肖子牛）、Xingcai Liu（刘星才）

通讯作者：

• 刘星才，中国科学院地理科学与资源研究所

研究背景：

降水短临预报在防灾减灾、水资源管理等领域扮演着至关重要的角色。尽管传统的数值天气预报方法在长期预报中表现良好，但在短临预报方面，由于初始场同化和模式分辨率的限制，其效果并不理想。近年来，数据驱动的方法利用高分辨率的雷达等遥感观测数据，从历史数据中学习大气动力学过程，从而在短临预报领域取得了显著进展。然而，目前的数据驱动模型，如基于生成式对抗网络(GAN)的Deep generative model of radar (DGMR)，在集合离散度和可靠性方面仍存在不足。为了提供更准确可靠的预报信息，并充分考虑各种可能的未来降水情景，改善概率预报的校准性和可靠性变得尤为重要。

研究内容：

本研究采用概率扩散模型对未来的降水分布进行建模，得到未来降水的概率预报。通过与现有的方法（如DGMR）进行系统比较，重点评估了扩散模型在概率预报可靠性方面的表现。研究发现，扩散模型生成的集合预报显示出更高的可靠性，表现为集合离散程度与预报误差之间的匹配度更高；集合成员之间展示出更好的多样性，意味着能够覆盖更多可能的未来降水情况。

定量评估显示，扩散模型的可靠性指标SSR（spread-skill ratio）达到了0.94，相较于DGMR模型的0.56，提高了68% (完美的集合预报的SSR为1)。这表明概率扩散模型在描述预报不确定性方面具有显著的优势。

可靠的概率预报对于与降水相关的风险评估和决策制定至关重要。扩散模型能够提供更加可靠的降水概率预报，为气象预报、防灾减灾、水资源管理等相关领域提供了一种新的有效工具，有助于政府和企业等机构做出更加科学合理的决策，从而有效减少极端天气事件带来的损失。

作者介绍

• 2023年影响因子：5.8  Citescore: 11.9
• Environmental Research Letters（ERL）以金色开放获取模式出版，作者可选择将原始数据作为补充资料与文章一起发表。所有研究人员可以免费获取这些研究成果。ERL汇聚了关注环境变化及其应对的研究团体和政策制定团体的意见，涵盖了环境科学的所有方面，出版研究快报、综述文章、观点和社论。ERL顺应了环境科学的跨学科发表的趋势，反映了该领域相关的方法、工具和评估战略，得到了来自不同领域的广泛贡献。