深度学习彻底改变了远程天气和气候预测

华盛顿大学大气科学系教授戴尔·杜兰 (Dale Durran) 开发的新型深度学习模型为气象科学迈出了创新性的一步，为天气和气候预测的准确性设定了新标准。据 NVIDIA 技术博客介绍，这一突破性模型有效结合了大气和海洋数据，提高了预测精度。

革命性的技术和工具

该模型在 NVIDIA GTC 2024 会议期间提出，利用先进技术最大限度地减少对传统参数化的依赖，从而绕过了天气预报中通常使用的许多近似值。一个显着的特点是采用了 HEALPix 网格，这是一种源自天文学的网格，它通过准确地表示地球的球形形状来提高空间精度，从而消除全球预测中的扭曲。

该模型利用 NVIDIA A100 Tensor Core GPU，能够以最小的漂移生成可靠的长期预测。它集成了使用 NVIDIA Modulus 的机器学习模拟和通过 NVIDIA Omniverse 的高保真可视化，显着提高了气候预测的准确性和可解释性。

该模型的主要特点

深度学习模型结合了多种先进方法来构建准确的长期地球系统模型：

• 大气-海洋耦合： 该技术结合了大气和海洋过程来稳定长期预测并提高可靠性。
• 无参数化建模： 通过绕过传统假设，该模型可以实现数据驱动且更准确的预测。
• HEALPix 网格： 此功能通过等面积表示提高了全局建模的空间准确性。
• 高效的 GPU 训练： 该模型的 CNN 架构针对 NVIDIA GPU 进行了优化，以最少的计算资源实现高保真训练。
• 实时卫星集成： 结合卫星数据（例如传出的长波辐射）可以提高动态事件的预测准确性。

行业影响和未来方向

这种深度学习模型的引入标志着气象领域的重大进步，有望提高长期天气和气候预报的准确性。随着气候变化继续在全球范围内构成挑战，这些进展对于帮助准备和应对战略至关重要。

对于那些有兴趣探索有关该模型及其应用的更多信息的人，可以在 NVIDIA On-Demand 上观看“利用深度学习地球系统模型进行次季节和季节预测”的会议。本次会议以及其他资源提供了行业专家的宝贵见解和技能。参与者可以通过加入 NVIDIA 开发者计划进一步增强他们的知识。

图片来源：Shutterstock