利用无人机系统和自适应微尺度模型实现精准化微尺度天气预报

发布时间：2025-10-11 打印

　美国国家科学基金会（NSF）资助肯塔基大学开展名为LEAP-HI: Advancing Precision Neighborhood Scale Weather Forecasting with Autonomous Aircraft Systems and Adaptive Microscale Models的研究项目（NO. 2450718），该项目旨在弥补传统天气预报模型在解析精细尺度环境效应（如建筑物、树木、水体等）方面的不足，拟开发一个集成大气观测与模拟的新系统，以提供精准且可业务化的微尺度天气预报。项目总资助金额200万美金，预计从2025年9月1日持续至2030年8月。

　项目计划构建一个以无人机系统（UAS）观测为关键驱动要素、以机器学习作为核心优化引擎的高分辨率嵌套数值天气预报系统。在推进过程中，将UAS为核心进行高分辨率大气观测，获取实时高分辨率观测数据，将实时数据输入经自适应调整的高分辨率嵌套数值天气预报模型中。随后，运用离线机器学习技术，生成精细化的边界条件参数图，这些参数图涵盖表面粗糙度长度、流入扰动尺度与幅度等关键参数。并且，借助定位函数对这些参数进行动态校准，使其与实际的物理观测数据高度匹配，进而实现边界条件参数的优化。由于上述参数随时间呈现出缓慢变化的特性，具备长期适用性，所以能够有效减少对连续UAS测量的依赖程度。

　　此外，项目还将采用回溯成本适配法，对模型与观测数据之间的一致性进行调整。通过持续不断地最小化预测误差，实现模型的自我修正与迭代升级，从而最终实现提升微尺度天气预报的准确性和可靠性。项目成功实施后，预期将取得如下成果：（1）建立一套用于高精度微尺度天气预报的综合计算框架；（2）提出一种将UAS观测数据融入微尺度天气模型的数据融合方法；（3）创新性地应用机器学习技术，对驱动微尺度动力学的边界条件进行精准表征，为微尺度大气动力学研究提供新的思路和方法。

附件：