气象大模型支撑流域暴雨预报实践探索
赵铜铁钢
李强
中山大学水利部粤港澳大湾区水安全保障重点实验室,510275,广州
摘要：随着人工智能技术发展,大模型被开发并应用于业务气象预报.聚焦海河"23·7"流域性特大暴雨洪水,采用气象大模型开展暴雨过程回顾性预报实验,对比欧洲中期天气预报中心业务气象预报产品HRES,检验气象大模型降水预报对于洪水灾害防御的推广应用价值.研究结果表明:相比传统数值气象预报,GraphCast、FuXi和AIFS三个气象大模型对暴雨过程、落区形态、中心位置和发生时间的预报更准确.对于逐6h降水量,大模型在不同预见期下均呈现相当的预报精度.对于累积降水量,GraphCast、AIFS和HRES预报降水强度、暴雨过程和落区范围接近实况,当起报时间提前到1d前,研究区平均累积降水量为124.6 mm,预报累积降水量分别为132.7 mm、115.5 mm和140.0 mm.对于最大降水量,GraphCast、FuXi和AIFS降水强度误差较HRES更大,时间和位置误差更小.实况最大累积降水量为484.8 mm,当起报时间提前到1d前,GraphCast、FuXi、AIFS和HRES的预报值分别为329.7 mm、190.1 mm、251.2 mm和415.3 mm.整体上,气象大模型能够为洪水灾害防御提供有效的降水预报信息,服务于水旱灾害防御业务工作.
关键词：气象大模型极端降水降水预报洪水灾害防御人工智能
分类号：TV124(水利工程基础科学)TP393(计算技术、计算机技术)
资助基金：国家自然科学基金(52379033)水利部重点实验室开放研究基金(WSGBA-KJ202308)
论文发表日期：2025-05-12
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 34-41 )
英文信息