近日，兰州大学张健恺教授团队在国际知名期刊《地球物理研究快报》(Geophysical Research Letters)上发表了题为“Predicting Sudden Stratospheric Warmings Using Video Prediction Methods”的研究论文。该研究首次使用视频预测方法预测平流层爆发性增温（Sudden Stratospheric Warmings, SSWs）事件，提出了一种基于全局注意力的运动解耦网络GMRNN，为平流层事件预测提供了新的视角。
SSWs是极地上空重要的大气动力学现象，常常对中纬度地区的寒潮爆发产生深远影响。然而，传统数值天气预报模式在中长期尺度上对SSWs事件的预报能力有限，尤其在极涡形态演变和行星波驱动等关键过程上存在明显不足。
针对这一预报难题，本研究首次将计算机视觉中的视频预测方法引入SSWs事件的预报中，创新性提出了一种基于全局注意力的运动解耦网络（GMRNN），用于刻画极涡的精细形态变化。该方法融合长短时序运动建模与全局特征校正机制，显著提升了对平流层动力过程的感知与模拟能力。
图 GMRNN的主要架构
以2018、2019和2021年典型SSW事件为例进行模型训练和评估，结果表明，GMRNN可稳定实现提前20天预测SSW事件，并在极涡形态捕捉、分裂/位移类型识别等方面表现优异。与经典视频预测模型（如PredRNN、MotionRNN）及S2S集合预报模式（如ECMWF、CMA、ECCC）相比，GMRNN的均方误差（MSE）降低约10.6%，平均绝对误差（MAE）下降约5.6%，在多项指标上取得领先。 图 2018，2019年SSW事件的真实与预测结果对比
该研究表明，深度学习技术特别是基于视频序列建模的方法，具备挖掘平流层缓变过程潜在规律的优势，在解决中长期尺度下极端气候事件的可预报性方面展现出巨大潜力。
该论文第一作者为大气科学学院硕士研究生杜羽皓，张健恺教授为通讯作者，田文寿教授为合作者，本研究由国家自然科学基金气象联合基金项目（U2442211），国家自然科学基金重大项目（42394124）和重点项目（42275056）资助。
论文链接：https://agupubs.onlinelibrary.wiley.com/doi/10.1029/2024GL113993
来源： https://mp.weixin.qq.com/s/Hs8TWSq855fFkvIuTW-JaA
| 
发表于 2025-5-14 14:53:19
