薛巍*，孙健，肖懿，王昕等

清华大学、中国气象局地球系统数值预报中心

1.代表性成果简介：

成果1：面向气象人工智能大模型的四维变分资料同化技术

气象人工智能大模型近期快速发展，但其实际应用仍受到数据集限制。将气象人工智能大模型与资料同化融合，是拓展其应用能力的关键之一。在气象联合基金的支持下，本项目将气象大模型FengWu融入四维变分同化目标函数实现了变分资料同化计算，建立了面向气象人工智能大模型、低计算成本的循环资料同化系统原型FengWu-4DVar。其中，四维变分同化算法的实现借助自动微分计算梯度，避免了人工开发切线性模式和伴随模式的复杂度；整合多步长人工智能预报模型以及在目标函数中加入误差协方差项来改善同化精度。在观测量为15%的ERA5模拟观测试验下，FengWu-4Dvar已经实现了百公里分辨率模型、至少一年的稳定循环同化与预报，分析场在500hPa位势高度上的平均均方根误差低于25m2/s2，7天预报结果与IFS预报结果相当。同时，FengWu-4DVar可以在单GPU（NVIDIA A100）上30秒内同化6小时观测。

成果2：深度学习物理过程参数化方案与数值动力框架耦合的大气环流模式

次网格物理过程是大气环流模式（General Circulation Model，GCM）不确定性和误差的重要来源。超级参数化方案更好量化了次网格物理过程，但引入了数量级的计算成本增长。采用机器学习模型替代传统参数化方案是降低计算成本的有效途径，但其和数值动力框架的耦合稳定性问题一直没能有效解决。在气象联合基金的支持下，针对真实海陆分布的超级参数化大气环流模式（Super-Parameterized Community Atmosphere Model，SPCAM），本项目构建了以水汽凝结微调模型作为物理约束，采用分离式预测设计的物理参数化方案深度学习模型。进一步建立了混合建模大气环流模式NNCAM，首次实现了在真实海陆分布下的长期稳定气候模拟，取得了数量级的模拟速度提升。NNCAM基本重现了 SPCAM 基础气候变量、气温和湿度垂直结构、多年降水分布以及热带季节内振荡等气候变率的模拟。本工作是人工智能使能的大气环流模式构建中一项基础性进展。

2. 代表性成果列表：

Yi Xiao, Lei Bai, Wei Xue, Kang Chen, Tao Han, Wanli Ouyang. FengWu-4DVar: Coupling the Data-driven Weather Forecasting Model with 4D Variational Assimilation[J/OL]. https://arxiv.org/abs/2312.12455, 2023-12-16

王昕. 基于深度学习的大气环流模式研究[博士论文]. 北京：清华大学计算机科学与技术系，2023.