详细内容或原文请订阅后点击阅览
机器学习掌握天气预报
需要社区数据集和评估标准来进一步推进机器学习用于天气预报。
来源:Eos杂志来源：《地球系统建模进展》
《地球系统建模进展》 《地球系统建模进展》现代数值天气预报 (NWP) 模型可以高精度地预报未来 15 天的天气。这些预报使我们能够为极端天气做好准备，从而挽救生命。它们还具有极高的经济价值，因此被广泛应用于能源、交通、农业和休闲行业。
花了五十年的时间建立并逐步改进产生如此准确预报所需的复杂计算机模型。机器学习 (ML) 方法仅用了几年时间就赶上这些传统模型的技能，在某些情况下甚至超越了它们。
面对这种范式转变，我们认识到需要以公平和可重复的方式将 ML 模型相互比较以及与传统模型进行比较。Rasp 等人 [2024] 满足了这一需求。他们提出了一个评估 ML 和 NWP 预报的框架，该框架借鉴了 NWP 社区 50 年的经验。这个框架称为 WeatherBench 2，概述了比较预报的标准指标，并提供了开源代码和数据以促进这一过程。
Rasp 等人 [2024] WeatherBench 2在社区中，我们还认识到 ML 和 NWP 预报都有改进的空间。这包括需要更长的亚季节到季节预报、概率方法和针对特定用例的有针对性的校准。通过明确定义预测问题并为 ML 模型提供易于访问的训练数据，WeatherBench 2 降低了参与门槛。通过这种方式，世界各地的最优秀人才可以快速开始研究这些方向和许多其他方向，并有望为所有人提供更好的天气预报。
，16，e2023MS004019。https://doi.org/10.1029/2023MS004019 https://doi.org/10.1029/2023MS004019—Hannah Christensen，JAMES 副主编
JAMES