Anemoi 利用流匹配实现时空降尺度

摘要

机器学习已能在中期时间尺度生成高技巧的概率天气预报，也可提升既有预报的时空分辨率。本文探索将空间与时间降尺度合并为单一模型，并与独立训练的机器学习预报模型耦合。该模型基于 ECMWF 与欧洲多家国家气象服务机构共同开发的 Anemoi 框架，使用流匹配方法在 ERA5 上训练：输入为约100 km、每6小时一次的 O96 网格场，输出为约30 km、逐小时的 N320 ERA5 原生网格序列，每次生成5个时间步。模型学习与粗分辨率输入状态一致的精细时空特征条件分布；训练时使用加入随机噪声水平高斯噪声的高分辨率 ERA5 目标。