基于改进残差网络的气温预报技术在湖南的应用

陈鹤; 周莉; 卢姝; 兰明才; 许霖

doi:10.13878/j.cnki.dqkxxb.20241217001

大气科学学报 ›› 2025, Vol. 48 ›› Issue (03) : 499 -514. DOI: 10.13878/j.cnki.dqkxxb.20241217001

基于改进残差网络的气温预报技术在湖南的应用

陈鹤, 周莉, 卢姝, 兰明才, 许霖

作者信息 +

Author information +

文章历史 +

PDF

摘要

基于中国气象局陆面数据同化系统(China Meteorological Administration Land Data Assimilation System, CLDAS)格点实况资料与欧洲中期天气预报中心-综合预报系统(European Centre for Medium-Range Weather Forecasts-Integrated Forecast System, ECMWF-IFS)模式最优因子集，构建了Res-STS(residual spatio-temporal stacking)网络气温预报订正模型，旨在提高湖南省气温预报的准确性。Res-STS模型在深度学习框架残差网络(residual networks, ResNets)的基础上进行了改进，采用“面-点”结构进行建模，有效保留了环境背景场特征和时序特征，包含ECMWF-IFS特征融合模块(EC feature fusion, ECFF)和降尺度模块(downscaling module, DM),前者利用卷积残差块提取特征，后者通过反卷积层实现分辨率降低，最终生成逐小时气温预报。在湖南省逐小时、日最高、日最低气温预报产品的误差分析中，Res-STS模型平均绝对误差(mean absolute error, MAE)分别为1.21、1.38、1.07℃,相较于ECMWF-IFS和国家气象中心指导预报表现出更低的误差，特别是在最高气温预报中表现尤为优异(误差比国家气象中心指导预报降低23.8%)。在高海拔地区的误差分布对比中，Res-STS模型表现出更高的精度和稳定性，其误差分布更为集中，中位数最低。在寒潮和高温天气过程中，Res-STS模型的最低气温、最高气温、逐1 h气温预报分别高于其他客观产品和人工订正结果。