AGU报道:物理与机器学习的碰撞提升热带气旋预报

近日,美国地球物理学会(AGU)的科学新闻杂志Eos以研究聚焦(Research Spotlights)的形式报道了南京大学谈哲敏院士团队的最新研究成果。这篇名为“A Hybrid Machine Learning/Physics-Based Modeling Framework for 2-Week Extended Prediction of Tropical Cyclones”的论文被选为《Journal of Geophysical Research: Machine Learning and Computation》期刊的首个编辑推荐。

文章评述如下:“在面对如热带气旋等极端天气事件时,提前而精准的预测是关键。传统的物理模式(如WRF)能够解析热带气旋内在的演变过程,而新兴的机器学习模型(如盘古)则擅长把握大尺度天气形势。研究团队创新性地将两者结合,使得机器学习模型不仅向物理模式提供更准确的边界条件,还通过谱逼近技术优化了对热带气旋引导气流的模拟,再配合海气耦合模型实现热带气旋与海洋的相互反馈作用,从而更精准、更长时效地预报台风的路径和强度。在实际应用中,这一新方法意味着可提供更早的预警,为防灾措施的部署争取更多时间。”
随着该方法的进一步改进和验证,我们期待它能为更多的极端天气事件预报提供支持,为防灾减灾工作贡献力量。

论文引用

Liu, H.-Y., Tan, Z.-M., Wang, Y., Tang, J., Satoh, M., Lei, L., Gu, J.-F, Zhang, Y., Nie, G.-Z., Chen, Q.-Z. (2024). A hybrid machine learning/physics-based modeling framework for 2-week extended prediction of tropical cyclones. Journal of Geophysical Research: Machine Learning and Computation, 1, e2024JH000207, https://doi.org/10.1029/2024JH000207.

报道链接

https://eos.org/research-spotlights/physics-meets-machine-learning-for-better-cyclone-predictions