キロメートルスケールにおけるスパース気象観測データの生成データ同化

観測データを完全な大気状態に同化することは、気象予測モデルの初期化に不可欠です。最近、モデルを再訓練せずに新しい入力データを使用することを可能にする深層生成データ同化の手法が提案されました。これらは、運用上の地域気象モデルで使用される費用のかかるデータ同化プロセスを劇的に加速する可能性があります。ここでは、米国中部のテストベッドにおいて、現実的に複雑なキロメートルスケールの気象の文脈で、スコアベースのデータ同化の実行可能性を示します。我々は、最先端のキロメートルスケールの解析製品である高解像度急速更新のスナップショットを生成するために無条件拡散モデルを訓練します。次に、スコアベースのデータ同化を使用してスパース気象観測所データを取り入れると、モデルは降水量と地表風の地図を生成します。生成されたフィールドは、突風前線などの物理的に妥当な構造を示し、感度テストにより多変量関係を通じて学ばれた物理を確認します。予備的なスキル分析は、このアプローチが高解像度急速更新システム自身の単純なベースラインをすでに上回っていることを示しています。40の気象観測所からの観測を取り入れることで、除外された観測所に対してRMSEが10\%低下しました。十分に分散していないアンサンブルDA推定などの残る不完全性があるにもかかわらず、私たちは全体的に結果が励みになる概念実証であり、キロメートルスケールでは初めての試みであると考えています。ますます野心的な地域状態生成器を、地上および衛星リモートセンシングデータストリームの増加したセットと組み合わせる拡張を探求する時期です。