转载于 RUMLA

中国科学院大气物理所联合北京航空气象所，分析研究盘古气象预报模型与多种全球业务数值模式初始场适配能力。

近期，气象领域出现了多个智能气象预报模型，特别是华为盘古气象预报模型，其结果受到了欧洲中期数值天气预报中心的认可，并且已在《nature》期刊发表。目前该模型推理预测部分已开源，可供测试验证使用，盘古天气模型也是目前已知唯一推理预测部分开源的智能预报模型。

虽然这类智能预报模型发布的预报能力已经过论文作者和部分机构的实验验证，但仍尚存在一些不明确之处，主要包括：

（1）此类模型均使用ERA5再分析产品作为训练数据集，虽然欧洲中期数值预报中心近期也验证了该模型在业务IFS预报初始零时刻场下的能力，但是实际气象业务中还广泛使用其它全球中期数值预报业务产品，这些数值预报产品的起报时刻初始零时刻场是否可同样可适用于智能预报模型，并获得与原数值模式相当或超过的预报能力还未经过验证。

（2）盘古天气使用全球气象要素场作为模型输入，受计算资源等条件限制，具备全球要素场制作能力的机构目前并不多，各个中小规模的预报机构通过同化局地观探测数据生成了很多局地数值天气预报产品，是否可利用以及如何利用这些质量更高的局地数值天气预报初始零时刻场产品提升盘古天气预报产品的质量还没有相关分析研究。

为解决上述疑问，该研究选取开源的盘古天气智能预报模型为测试对象，通过个例实验测试了盘古天气智能预报模型与常用实际气象业务数据的适配性，用于测试的产品包括：欧洲中期数值预报中心的ERA5再分析产品、欧洲中期预报中心数值产品ECMWF-IFS、美国气象局数值产品NOAA-GFS、中国气象局数值产品CMA-GRAPES、通用全球大气谱模式数值产品YHGSM以及局地与全球2种数值模式产品的拼接产品（验证局地数据改善能否提升预报效果）。

部分结果如图1和图2所示：

图1 不同初始场条件下部分测试结果

图2 拼接初始场作为输入时盘古气象预报模型在全球及东亚区域产品质量

分析认为：

（1）通过图1可以发现，使用相同初始场时，盘古气象模型预报结果与原预报结果相比，一部分优于原有预报结果，一部分与原有预报质量相当，因此盘古气象模型可兼容于多种不同数值预报初始场（回答了上述第一个疑问）。

在不同数值预报初始场下与原预报产品性能表现存在差异，导致这种现象发生的原因可能是此类智能预报模型通过训练拟合了用于生成训练数据集的数值天气预报系统（即ECMWF-IFS version Cy41r2, 2016）的能力。因此智能天气预报模型更能“适应”特定数值模式生成的初始场，因而造成预报产品与原有模式产品质量对比上的差异。

（2）从图1中也可以发现，使用ERA5作为盘古气象预报模型初始输入时（视为更好的初始场），可获得更好质量的预报产品，即提升整体初始场的质量有助于提高智能预报模型的预报效果。

（3）通过图2的拼接产品试验可以发现，对于盘古天气智能模型，优化局部区域的部分要素初始输入数据（即将在此实例上表现更好的ECMWF-IFS在东亚区与NOAA-GFS的初始场进行拼接得到新的输入初始条件），也可获得较之原有充当背景的模式更优的结果。因此，若想提升盘古天气智能模型对局地预报的水平，相较之于改变全球初始场的质量，一个更为容易的方式是可以通过提升局地初始场质量（如对局地要素进行订正）来实现（回答了上述第二个疑问）。

盘古天气等智能预报模型作为气象预报模型的一种新的实现途径，与传统数值天气预报模式相比，具备轻量易部署、计算时间快等优势。由此可能引发对于气象预报新的使用方式的探索，对其实际业务数据的适配性测试是掌握其能力特点并进行后续研究的重要环节。本工作的试验分析仅仅针对若干个例数据，未来还将针对较长时间段（如月、季度、年或更长时段）统计智能模型预报的效果。