近日，中国气象科学研究院人工智能气象应用研究所王亚强团队在自然指数期刊《Journal of Geophysical Research: Atmospheres》中发表的论文“Enhancing Short-Term Wind Speed Prediction Capability of Numerical Weather Prediction through Machine Learning Methods” 在发表后在短期内就受到了全球学者的广泛关注，发表后的三个月内获得了1033次下载，在该期刊中国作者2024年第四季度发表文章的三个月内下载量中位列前茅。因此，论文作者曾昭亮副研究员、刘昭华副教授、吴红磊（学生）、赵琳娜研究员、梁钊明研究员、梁哲豪（学生）和王亚强研究员被授予“Wiley威立中国高贡献作者奖”。

风速预报作为气象服务的核心要素，其精准度直接影响航空运输、能源调度、灾害防御等关键领域。尽管数值天气预报（NWP）产品被广泛使用，但它们依赖全球数据和数学模型来求解大气动力学方程，往往无法准确捕捉局部微观气象过程。特别是在沿海地区，地表条件、陆地-海洋差异和地形等因素，会进一步影响风速预报的准确性。因此，曾昭亮等的研究提出了一种通过结合局部空间信息来增强中国沿海短期风速预报能力的新方法。该方法基于数值模式预报资料（TIGGE）和高密度气象站风速实测值，结合AI堆叠集成技术（stacking），构建我国沿海省份短期风速智能预报模型。实验结果表明，将相邻网格点的气象场特征和时空信息作为模型新的特征输入，可显著提高了风速预测精度，特别是stacking堆叠模型，可将欧洲中期天气预报中心（ECMWF）全年、春季、夏季、秋季和冬季的风速预测准确率从53.3%、50.9%、55.2%、53.0% 和54.0% 分别提高至77.2%、73.1%、76.7%、78.2%和77.1%。

图1 团队获奖证书

图2 中国沿海短期风速智能预报框架示意图

该研究证明，机器学习与数值天气预报耦合，可有效解决NWP的局限性。中国沿海高精度短期风速预报模型可为我国沿海省份灾害预警提供决策，并助力我国风能资源的有效开发和利用，这项研究具有跨行业的变革潜力。

论文链接：

https://agupubs.onlinelibrary.wiley.com/doi/10.1029/2024JD041822