A Prediction Model for the Summer Western Pacific Subtropical High
本研究提出了一种结合物理启发式预测因子提取与多头注意力机制时间卷积网络（MHA-TCN）的新型预测框架，旨在实现比 ECMWF 系统更优越的西太平洋副热带高压面积与强度的季节性预报，同时为潜在的物理机制提供可解释性的见解。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
东亚的天气是由许多线索编织而成的复杂织锦，但其中一种特定的模式对夏季的影响最为深远。这种模式便是西太平洋副热带高压，它是一个位于海洋之上的巨大、半永久性的高压穹顶。你可以把它想象成一个巨大的、隐形的盖子，向下压迫着大气层，引导着季风降水，指引着台风的路径，并决定了一个地区是面临干旱还是洪涝。当这个高压系统过强、过弱或位置不对时，后果是严重的：城市可能会淹没在破纪录的降雨中，或者广袤的农田会在酷热下枯萎。几十年来，气象学家一直难以精确预测该系统在数月前的表现。传统的计算机模型通过模拟大气的物理过程进行计算，但在面对夏季高峰期这一高压穹顶的强度问题时，往往会失准。它们倾向于低估其强度或将其中心位置放错，这使得预报员在试图向社区发出极端天气预警时面临重重困难。
来自浙江海洋大学和复旦大学的一个研究小组开发了一种解决这一难题的新方法，他们从纯粹的物理模拟转向了一种向过去学习的方法。他们并没有尝试计算每一处空气和水的运动，而是构建了一个像经验丰富的观察者一样的系统，扫描数十年的历史天气数据以寻找隐藏的联系。他们专注于一个被称为“500hPa层涡流位势高度”的特定测量值，这本质上是一种绘制大气压力场中“凸起”与“凹陷”的方法，并剔除了由全球变暖引起的背景噪声。通过分析1951年至2024年的数据，研究人员识别出了在夏季高压系统发生偏移前数月出现的关键信号。他们发现，春季的海气状态，甚至前一年的冬季情况，都包含了关于六、七、八月天气变化的线索。
研究人员构建了一个结合了两种强大技术的预测框架。首先，他们使用一种方法从数百个潜在线索中筛选信息，例如大西洋的海表温度、北极的积雪覆盖以及印度洋上的压力模式。他们将这份庞大的清单缩减到了100个最可靠的预测因子。随后，他们将这些预测因子输入到一个旨在识别时间序列模式的高级计算机模型中。该模型使用了一种机制，使其能够关注任何时刻最相关的信息，就像人类阅读时会专注于句子中最重要的词汇而忽略其他部分一样。其结果是一个能够在六个月前预测西太平洋副热带高压的大小和强度的系统，其细节程度达到了以往模型无法企及的高度。
当团队将这个新模型与2010年至2024年的真实世界数据进行对比测试时，结果令人瞩目。该模型成功预测了高压系统的面积和强度的月度变化，其相关性得分显著高于欧洲中期天气预报中心（一个领先的全球预报系统）。传统系统往往无法捕捉到高压穹顶的真实强度，而新模型却能准确把握。这在极端年份的表现尤为明显。在2020年，当高压系统异常强大时，传统模型低估了它的威力并放错了中心位置；然而，新模型却准确地重现了该系统剧烈且扩张的特性。同样，在2023年，当该系统异常微弱并向东偏移时，新模型完美捕捉到了这一行为，而传统系统则难以定位其中心。
这项研究还剥开了层层外壳，以理解模型为何运作如此出色，揭示了每月驱动天气的不断变化的“角色”。对于六月，该系统的行为深受南大西洋温度模式以及前一年秋季西太平洋热量积累的影响。到了七月，驱动因素转向包括印度洋和北大西洋，以及来自冬季北极涛动的持续影响。而在八月，影响因素则来自于南美的玻利维亚高压和北非副热带高压，它们影响着青藏高原的降雪和土壤湿度。这种驱动因素的月度转换解释了为什么单一、静态的预测方法经常失效：天气的“配方”随着季节的推进而改变。
研究人员强调，他们的工作并非解决所有预测挑战的“万灵药”。他们指出，随着气候持续变暖，这些预测因子与天气之间的关系可能会随时间发生变化。然而，他们的发现证明，将物理知识与先进的模式识别相结合，可以提供一个强大的新工具。通过识别每个月最重要的特定信号，这种方法为预判塑造东亚民众生活的夏季天气提供了一种更可靠的方式。这项研究证实，只要拥有正确的数据和正确的方法，看似混沌的大气行为就能被更清晰地理解，从而为更好地应对定义该地区夏季的极端天气事件提供了希望。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。