|
辛金元等-GRL: 精确估算城市边界层高分辨率风速的新型三维物理集成Swin-Transformer模型研发
城市大量密集、高耸的建筑群和人类活动会导致城市边界层内的风速 (WS) 呈现出极高的时空不确定性，传统的数值模拟和统计方法往往无法精准刻画城市风场垂直变化。精确估算风速的垂直结构，须综合考虑城市复杂下垫面、多尺度湍流结构及动态物理过程之间的耦合关系。
针对这一难题，辛金元课题组开发了一种三维物理融合Swin-Transformer深度学习模型（3D-PST），用于估算城市边界层内外的高分辨率风速。通过综合评估发现，3D-PST模型在所有关键指标上均超越现有模型；在近地面3km内130层垂直分辨率下，风场估算均方根误差（RMSE）低至1.10 m/s，相关系数（R）高达0.93，展现出卓越的预测能力，并能揭示动力边界层与自由大气不连续面风场结构的变化。通过系统性消融实验评估模型核心组件的贡献，其中动态物理变量嵌入使预测精度提升10%，凸显了物理规律与数据驱动融合的价值；自主发展的卷积块合并机制可高效捕捉多尺度湍流特征，带来12%的性能增益。这些发现充分验证了3D-PST模型的环境适应性与计算鲁棒性，标志着该技术有望成为低空风场监测的一款高性能AI工具，为低空经济、风电优化与城市通风评估提供关键技术。
论文第一作者为中国科学院大气物理研究所和国防科技大学联合培养博士生彭柯澄，通讯作者为辛金元研究员和朱小谦研究员，研究得到了中国科学院基础与交叉前沿科研先导专项（XDB0760100）与科技部重点研发计划（2022YFF0802501）等项目的资助。
图1. 3D-PST算法及其主要模块的技术流程。
图2. 北京时间 08:00 和 20:00 的真实 WS 和 3D-PST 估计WS 的示意图变化（a），以及从 50 米到 3 公里的每月（左图）和每（右图）WS 偏差分布（b）。
论文信息：Peng, K., Xin, J.*, Zhu, X.*, Cao, X., Wang, Z., Ma, Y., Zhao D., Ren X. (2025). A novel 3D physics‐integrated swin‐transformer model for precise high‐resolution urban boundary layer wind speed estimation. Geophysical Research Letters, 52, e2025GL115246. https://doi.org/10.1029/2025GL115246
来源： https://iap.cas.cn/gb/xwdt/kyjz/202506/t20250604_7796072.html
| 
发表于 2025-6-5 16:18:04
