Observation Assimilation Transformer：基于稀疏站点观测的概率天气分析

arXiv:2610.28327v1 公告类型：新。摘要：我们提出了 Observation Assimilation Transformer（OAT），这是一种具备几何感知能力的神经过程，通过同化稀疏观测，将先验数值天气预报（NWP）场校正并细化为高分辨率后验场。OAT 是一种编码器-解码器 Transformer，它利用一组观测位置及其 NWP 先验信息，在一组任意未观测查询位置上进行条件预测。其稀疏注意力机制可扩展至数千个站点观测，并且仅依赖位置之间的相对位置，从不依赖绝对坐标。该模型支持观测部分缺失，可在任意连续位置进行预测而无需投影到网格，并输出参数化分布。我们采用连续排序概率评分（CRPS）损失，开发了一种站点随机化训练算法。我们在两个数据集上测试了 OAT：一个是包含数百个站点的区域尺度数据集，另一个是包含数千个站点的洲际尺度数据集。在这两个数据集上，OAT 均优于多个基线模型，并展现出良好的预测校准能力。在一个示例性案例研究中，我们展示了 OAT 的降尺度能力：将 ERA5（约 31 km）降尺度至 COSMO（1 km）。与 COSMO 相比，OAT 在测试站点上的温度和降水预测取得了更低的平均绝对误差（MAE）和 CRPS。