体系的なバイアス補正によるAIベースの熱帯低気圧の進路・強度予測の高度化

Abstract

熱帯低気圧（TC）は、熱帯・亜熱帯地域において生命・インフラ・経済に対して深刻な脅威をもたらし、進路と強度の両方について正確かつタイムリーな予測が不可欠であることを強調している。AIベースの気象予測における最近の進展は、TCの進路予測の改善に有望であることを示してきた。しかし、これらのシステムは通常、粗い解像度の再解析データ（例：ERA5の0.25度）で学習されており、予測されるTCの位置が固定グリッドに制約され、重大な離散化誤差が生じる。さらに、強いTCに対しては特に、強度予測が限界的である。これは、粗い気象場による平滑化効果と、条件付き平均へ予測を偏らせる回帰損失の使用によっている。これらの制約に対処するため、私たちはBaguanCycloneという新しい統一フレームワークを提案する。これは2つの重要な革新を統合している：（1）TC中心の連続的な空間分布をモデル化する確率的中心洗練モジュールであり、より精密な進路を可能にする；（2）TCコアの周囲に動的に定義されるサブグリッド・ゾーン内での高解像度の内部表現を活用する、地域認識型の強度予測モジュールであり、局所的な極端値をより適切に捉える。6つの主要なTC盆地にわたる全世界のIBTrACSデータセットで評価した結果、私たちのシステムは、運用上の数値予報（NWP）モデルとほとんどのAIベースラインの両方を一貫して上回り、予測精度を大幅に向上させる。特筆すべきことに、BaguanCycloneは気象上の複雑さを巧みに乗り越え、再強化、広範囲に及ぶ旋回（スイーピング・アーク）、双子の台風、蛇行事象に対しても一貫して正確な予測を提供できる。コードはhttps://github.com/DAMO-DI-ML/Baguan-cycloneで公開している。