一种用于中期提前时效全球日尺度火点辐射功率预测的图神经网络

arXiv:2610.11022v1 公告类型：cross 摘要：提前数天准确预测生物质燃烧活动对于空气质量预报和气溶胶预测十分重要。本研究由两个业务运行约束所推动。首先，用于初始化 NOAA 的 GEFS-Aerosols 的 GBBEPx 卫星火点辐射功率（FRP）产品存在约1.5天的延迟，因此每个预报循环都依赖于最新可用、但实际上已经过时的火灾观测。其次，在随后的5天业务预报中，这些火灾输入会保持不变；在 GSL 实验系统中则保持7天不变，这实际上假设火灾活动不会发生变化。我们开发了一种数据驱动模型，可根据最新可用观测，预测未来1至7天的全球 FRP。该模型基于时空图神经网络进行改进，使用再分析气象资料、土地覆盖和植被信息、近期火灾历史，并以 GBBEPx FRP 作为训练目标。模型使用2020—2022年的数据进行训练，并在2023—2024年进行评估。模型再现了全球季节变化周期，且性能显著优于持续性预报。在0.1$^\circ$分辨率下，2023年提前1天和7天的均方误差分别降低32%和43%，2024年分别降低24%和40%。在1$^\circ$分辨率下，临界成功指数介于0.32和0.60之间。随着提前时效增加，探测能力仅小幅下降，而强度预报能力下降得更快。模型能够可靠地探测大型火灾，但会系统性低估其辐射功率。这些结果表明，火灾活动在提前数天的时间尺度上具有较好的可预报性，并指出在预测的 FRP 能够支持业务气溶胶预报之前，强度校准和小火点定位仍是主要挑战。