https://mp.weixin.qq.com/s/DM4ikHTkbEL4jXotOfT8aQ
原创 AiBot EarthAi 2025年10月16日
Global MetNet：一个基于深度学习的全球高分辨率降水临近预报业务系统
An Operational Deep Learning System for Satellite-Based High-Resolution Global Nowcasting
这篇论文《An Operational Deep Learning System for Satellite-Based High-Resolution Global Nowcasting》由 Google Research 和 Google DeepMind 的研究团队联合发表，提出了一种名为 Global MetNet 的全球高分辨率降水临近预报系统。
一、研究背景与意义
1.1 问题背景
• 降水临近预报（Precipitation Nowcasting）指对未来几小时内的降水进行预测，对防灾减灾、农业、交通等具有重要价值。
• 传统数值天气预报（NWP） 存在延迟高、分辨率低、全球覆盖不均等问题。
• 雷达数据稀疏：全球南方（Global South）地区雷达覆盖严重不足，导致预报能力远低于北美、欧洲等地区。
1.2 研究目标
开发一个全球覆盖、高时空分辨率、低延迟、适用于雷达稀疏地区的降水临近预报系统。
二、方法概述：Global MetNet
2.1 数据源
训练目标（Training Targets）
• GPM CORRA：来自NASA的卫星联合雷达-辐射计降水数据，作为主要训练目标。
• 地面雷达（美国MRMS、欧洲OPERA、日本JMA）作为辅助目标。
• IMERG Final：全球降水估计数据集，作为补充。
输入特征（Input Features）
• 地球静止卫星图像：7颗卫星融合成18个波段的全球图像。
• HRES NWP数据：ECMWF的高分辨率数值预报数据。
• IMERG Early、地形、经纬度等。
2.2 模型架构
• 编码器-解码器结构，基于残差网络（ResNet）。
• 时间编码：将预报时间作为条件嵌入模型（类似FiLM机制）。
• 空间下采样与上采样：使用空间-深度变换（space-to-depth）处理高分辨率输入。
• 多输出头：每个头对应不同目标（如CORRA、雷达等），支持多分辨率输出。
2.3 概率输出
• 模型输出为分类概率分布，每个像素点对应不同降水强度的概率。
• 通过优化阈值（如最大化CSI）将概率输出转为确定性预报。
三、实验结果与性能评估
3.1 评估指标
• CSI（关键成功指数）：衡量命中率与误报的平衡。
• Frequency Bias（频率偏差）：衡量预报是否系统性偏多或偏少。
• FSS（分数技巧评分）：衡量空间结构的匹配度。
3.2 主要结论
• 全球性能优于HRES和HRRR：在所有预报时长和降水强度下，Global MetNet 的CSI均高于传统NWP模型。
• 缩小南北半球预报差距：在热带和全球南方地区，MetNet 的预报能力甚至优于HRES在北美地区的表现。
• 低延迟优势：模型在1分钟内完成12小时预报，而HRES需要6小时以上。
3.3 区域性能
• 在美国、欧洲、日本等高雷达覆盖区，加入雷达输入后性能进一步提升。
• 在巴西、印度、非洲等雷达稀疏区，仅凭卫星和NWP数据也能取得显著优势。
3.4 案例研究
• 深对流系统（西非）：MetNet 能准确捕捉风暴发展，HRES几乎无预报能力。
• 热带气旋（孟加拉湾）：MetNet 能更好捕捉强降水中心，HRES则强度偏低、结构模糊。
四、消融实验与模型分析
4.1 输入数据的重要性
• 移除卫星图像：对短时预报影响最大（CSI下降0.03–0.05）。
• 移除NWP数据：对长时预报（>6小时）影响显著。
• 移除雷达输入：仅在雷达覆盖区性能下降，其他地区无影响。
• 移除IMERG Early：无明显影响（因其延迟过高）。
4.2 模型设计优势
• 多目标训练：使模型能适应不同地区和数据源。
• 概率输出：提供不确定性信息，更适合决策支持。
五、实际应用与部署
• 模型已部署在 Google Search 中，为数百万用户提供实时降水预报。
• 支持全球范围内12小时、15分钟间隔、5公里分辨率的降水预报。
六、局限性与未来工作
6.1 局限性
• GPM CORRA 数据稀疏：每2.5天才能覆盖同一地区，极端降水样本有限。
• 湿偏差（Wet Bias）：模型倾向于高估强降水，空间结构不够锐利。
6.2 未来方向
• 引入更多观测数据（如闪电数据）。
• 优化概率预报，减少偏差。
• 推动模型在发展中国家气象部门的应用。
✅ 总结
Global MetNet 是一个具有里程碑意义的全球降水临近预报系统，它：
• 利用卫星+NWP+雷达多源数据；
• 实现高分辨率、低延迟、全球覆盖的预报；
• 显著缩小了全球南北预报能力差距；
• 已在实际产品中验证其实用性与可扩展性。
这项研究展示了AI在气象预报中的巨大潜力，特别是在弥补全球数据不平等方面的社会价值。 | 
发表于