التقدمات والآفاق في التعلم العميق لتوقعات الطقس المتطرف في المدى المتوسط

في السنوات الأخيرة، ظهرت نماذج التعلم العميق كبديل مستقل للنماذج العددية المعتمدة على الفيزياء لتوقعات الطقس في المدى المتوسط. تدعي عدة مجموعات بحثية مستقلة أنها طورت توقعات للطقس باستخدام التعلم العميق تتفوق على تلك الناتجة من نماذج الفيزياء المتطورة، ويبدو أن التنفيذ التشغيلي لتوقعات قائمة على البيانات يقترب. ومع ذلك، تبقى أسئلة حول قدرات نماذج التعلم العميق في تقديم توقعات موثوقة للطقس المتطرف. يهدف عملنا الحالي إلى تقديم لمحة عامة عن التطورات الأخيرة في مجال توقعات الطقس باستخدام التعلم العميق، وتسليط الضوء على التحديات التي تمثلها أحداث الطقس المتطرف للنماذج الرائدة في التعلم العميق. بشكل محدد، ننقض على حقيقة أن التوقعات التي ينتجها العديد من نماذج التعلم العميق تبدو مفرطة السلاسة، مما يميل إلى التقليل من تقدير حجم رياح ودرجات الحرارة المتطرفة. لمعالجة هذه التحديات، نجادل بضرورة تخصيص النماذج المعتمدة على البيانات لتوقع الأحداث المتطرفة، وتطوير نماذج تهدف إلى تعظيم المهارة في الأطراف بدلاً من المتوسط في التوزيع. أخيراً، نقترح سير العمل الأساسي لتطوير نماذج قوية للطقس المتطرف، والتي قد تعمل كخريطة طريق للأبحاث المستقبلية في هذا الموضوع.