Leonardo Trentini

天气基础模型通过GNSS数据增强，改善降水预报

研究人员已将全球导航卫星系统（GNSS）推导的对流层湿延迟（ZWD）数据整合到一个名为Aurora的天气基础模型中。此举旨在通过解决当前机器学习天气模型（MLWM）中对降水的低估问题，来改善降水预报，特别是对极端天气事件的预报。研究发现，扩展后的Aurora模型能有效学习ZWD，并在六小时累积降水预报方面系统性地有所改善，在99%分位数的极端降水预报中，公平威胁得分（Equitable Threat Score）提高了8.8%。