On the phenomena-oriented validation of spatial neural-network based surface wind downscaling over the Arctic seas

Аннотация

Нейросетевое масштабирование предлагает вычислительно эффективную альтернативу высокоразрешающему динамическому моделированию, однако его валидация остается сложной задачей: обычные поточечные метрики дают ограниченное представление о физической реалистичности восстановленных атмосферных полей. В этой работе предложен и продемонстрирован феномено-ориентированный подход к валидации нейросетевого пространственного масштабирования полей приповерхностного ветра над арктическими морями. Авторы используют глубокую нейронную сеть с пропускными соединениями, обученную повышать разрешение данных реанализа ERA5 с использованием высокоразрешающих расчетов WRF в качестве опорных данных. Ключевое методическое новшество состоит в переходе от стандартных поточечных метрик к отслеживанию полярных мезоциклонов и новоземельской боры для оценки представления мезомасштабной атмосферной динамики. Модель демонстрирует более чем 50-кратное преимущество по вычислительной эффективности по сравнению с негидростатическим моделированием при условии наличия обучающего набора, рассчитанного моделью WRF за ограниченный период. Результаты показывают, что модель успешно воспроизводит мезомасштабную пространственную изменчивость, близко соответствует распределениям характеристик интенсивности вихрей в высокоразрешающих опорных данных и формирует физически согласованные поля ветра, которые дают реалистичные значимые высоты волн при использовании в волновой модели. Работа показывает, что феномено-ориентированная оценка необходима для проверки физической реалистичности статистических методов масштабирования в сложных морских условиях.