原文链接:https://mp.weixin.qq.com/s/qFwTYorpCMSZ6M1o3CwX_w
为解决深度学习算法在大气环境预报应用上精确度不足的问题,北京城市气象研究院冯琎副研究员联合北京市气象台、南京信息工程大学科研人员,开发了一种名为PPN(Air Pollution-Predicting Net)的大气环境预报模型,用于预报区域PM2.5浓度的时空分布。
模型框架
针对京津冀地区2022年1月PM2.5浓度进行的预报试验,取得如下结果:PPN模型能够在1秒内给出整个区域0-72小时的PM2.5浓度预报(水平网格分辨率为9km),且其准确度明显优于传统CTM——WRF-Chem的预报结果。此外也实现了模式设计的初衷:通过spin-up阶段获得更好的初始场,使得0-24小时内的预报效果显著提高。在训练过程中应用加权损失函数也降低了对极端事件的预报误差。
该模型能够为区域和城市污染防控和快速预警提供支持。在算力资源充足的情况下,该模型还可以进一步扩展预测范围和污染物种类。该研究成果已在Nature出版集团合作刊物 npj Climate and Atmospheric Science(影响因子为9.448)上发表。论文的第一作者是邱雨露博士,研究期间她在北京城市气象研究院开展交流访问。论文的通讯作者是北京城市气象研究院的冯琎博士。这项工作是北京市气象局开展跨部门交流的成果之一。