Integrating GNSS-Derived Zenith Wet Delay into a Weather Foundation Model Improves Precipitation Forecasting

Resumen Técnico: Integración del Retraso Zenital por Humedad derivado de GNSS en un Modelo Fundacional de Clima

Planteamiento del Problema
A pesar del rápido avance de los modelos de aprendizaje automático para el clima (MLWM) y los modelos fundacionales de clima (WFM) como Aurora, que rivalizan con la Predicción Numérica del Tiempo (NWP) tradicional en eficiencia computacional, estos modelos comparten una deficiencia crítica: la subestimación sistemática de las precipitaciones severas. Esta limitación se debe, en parte, a su dependencia de conjuntos de datos de entrenamiento derivados de productos de reanálisis en rejilla (por ejemplo, ERA5). Los campos de reanálisis suelen suavizar las variaciones espaciales y temporales de escala fina de la humedad en la columna debido a los ciclos de asimilación, lo que resulta en una representación filtrada del vapor de agua que no logra capturar la variabilidad a escala convectiva necesaria para un pronóstico preciso de eventos extremos. Además, aunque las señales de los Sistemas Globales de Navegación por Satélite (GNSS) se han asimilado en la NWP operativa durante décadas para medir el vapor de agua atmosférico, los MLWM líderes aún no han integrado el Retraso Zenital por Humedad (ZWD) derivado de GNSS como una variable de entrada.

Metodología
Los autores presentan la primera integración del ZWD derivado de GNSS en Aurora, un modelo fundacional de clima de vanguardia preentrenado en ERA5, CMIP6 y pronósticos operativos. El estudio emplea un protocolo de ajuste fino (fine-tuning) de dos etapas utilizando la variante "grande" de 1.3 mil millones de parámetros de Aurora:

1. Preparación de Datos: El estudio utiliza ZWDX, un producto de ZWD en rejilla global generado por un modelo XGBoost entrenado con más de 19,000 estaciones GNSS. Este producto mapea las entradas de ERA5 y las coordenadas de las estaciones hacia el ZWD derivado de GNSS, proporcionando campos espacialmente completos en una rejilla de 0.25° alineada con la resolución nativa de Aurora.
2. Paso 1 (Capacidad de Aprendizaje): El modelo Aurora preentrenado se ajusta para predecir el ZWD como una variable de salida auxiliar junto con las variables estándar de superficie y de nivel de presión. Este paso verifica que la arquitectura del modelo puede aprender el ZWD con una destreza comparable a sus variables existentes sin modificaciones estructurales.
3. Paso 2 (Pronóstico de Precipitaciones): Se realizan dos experimentos de ajuste fino paralelos para pronosticar la precipitación acumulada de seis horas (una tarea no presente en el preentrenamiento):
   • Modelo A ("Con ZWD"): Incluye el ZWD como una variable de entrada y de salida adicional.
   • Modelo B (Línea Base, "Sin ZWD"): Utiliza únicamente las variables estándar.
   • Ambos modelos se inicializan desde el mismo punto de control (checkpoint) preentrenado y se entrenan con hiperparámetros e información idénticos. La diferencia en el rendimiento aísla la contribución específica del ZWD derivado de GNSS.
4. Evaluación: Los modelos se evalúan en un conjunto de prueba no utilizado (abril–diciembre de 2020) utilizando métricas deterministas (MAE, RMSE, MSE, correlación de Pearson), métricas de estructura espacial (Fractions Skill Score), destreza basada en umbrales (Equitable Threat Score en varios percentiles) y fidelidad espectral (Log Spectral Distance a través de las bandas planetaria, sinóptica y mesoescala).

Contribuciones Clave

• Primera Integración: Este trabajo demuestra la integración exitosa del ZWD derivado de GNSS en un modelo fundacional de clima, estableciendo un nuevo paradigma para incorporar observaciones geodésicas en los MLWM.
• Paridad de Aprendizaje: El estudio demuestra que Aurora puede aprender el ZWD como una nueva variable con niveles de destreza comparables a sus variables preentrenadas (por ejemplo, humedad específica, viento, temperatura) utilizando mecanismos estándar de incrustación de variables (variable-embedding), sin requerir módulos personalizados.
• Mejora Sistemática: La inclusión de ZWD mejora sistemáticamente los pronósticos de precipitación, observándose las ganancias más significativas en eventos extremos.
• Realismo Espectral: La integración resulta en un espectro de potencia de precipitación más realista en las escalas sinóptica y planetaria, lo que indica que el ZWD ayuda a corregir el exceso de suavizado típico de los pronósticos deterministas.

Resultos

• Aprendizaje de ZWD: En el Paso 1, se predijo el ZWD con un coeficiente de correlación ($R$) de 0.998 y un MAE relativo del 1.92%, desempeñándose al nivel de la humedad específica y otras variables de superficie estándar.
• Destreza Determinista: En el Paso 2, la adición de ZWD redujo el RMSE de la precipitación en un 1.8% y el MSE en un 3.7% globalmente. Las mayores mejoras ocurrieron en los trópicos y en las rutas de tormentas de latitudes medias, regiones caracterizadas por una fuerte convergencia de flujo de humedad.
• Destreza en Eventos Extremos: El Equitable Threat Score (ETS) para la precipitación aumentó con la severidad del evento. En el percentil 99 (eventos más extremos), el ETS mejoró en un 8.8%. Esta ganancia fue consistente en eventos individuales de alto impacto, incluyendo el monzón del sur de Asia, el tifón Bavi y el huracán Delta.
• Fidelidad Espectral: El Log Spectral Distance (LSD) disminuyó un 6.2% en total, con mejoras sustanciales en las bandas planetaria (−39.9%) y sinóptica (−33.6%). Esto sugiere que el ZWD proporciona información estructural que agudiza la organización espacial de los campos de precipitación.
• Robustez: Las mejoras fueron estadísticamente significativas en diez puntos de control de entrenamiento y no se lograron a expensas del rendimiento del modelo en las variables preentrenadas estándar, las cuales permanecieron mayormente inalteradas.

Significado y Reivindicaciones
Los autores afirman que este estudio proporciona evidencia de que las variables ausentes en los productos de reanálisis estándar, como el ZWD derivado de GNSS, contienen información física crítica para mejorar los modelos fundacionales de clima, particularmente para el pronóstico de precipitaciones de alto impacto. Los resultados sugieren que el ZWD actúa como un observable directo y sin filtrar de la humedad en la columna que complementa los campos de humedad suavizados de la reanálisis, permitiendo al modelo restringir mejor la convergencia de flujo de humedad y el disparo convectivo.

El artículo postula que estos hallazgos representan un "límite inferior conservador", ya que la implementación actual utiliza un producto en rejilla (ZWDX) que todavía depende parcialmente de las entradas de ERA5. Los autores sugieren que el trabajo futuro utilizando datos de estaciones independientes y brutos podría generar beneficios aún mayores. En última instancia, el estudio establece una vía para aprovechar las densas redes de observación geodésica para mejorar la confiabilidad de los pronósticos climáticos basados en IA en las situaciones donde la precisión es más crítica: los eventos meteorológicos extremos.