基于卫星观测检测天气锋面：再分析数据带来了什么？
Detecting Weather Fronts from Satellite Observations: What Does Reanalysis Add?
精选理由
研究量化卫星观测与ERA5再分析数据对锋面识别的贡献，揭示风场和水汽信息对提升检测精度尤为关键。
AI 摘要
arXiv:2611.08148v1 公告类型：新投稿 摘要：天气锋面是热力学性质显著不同的气团之间的过渡区域，与中纬度地区的降水和恶劣天气有关。我们研究了用于检测天气锋面的机器学习（ML）方法，并量化了再分析数据对检测性能的贡献。我们比较了同一 ML 模型在北大西洋和欧洲地区进行逐像素锋面分类时的两种配置：（1）仅使用地球静止轨道卫星的红外观测；（2）额外使用 28 个 ERA5 再分析场。仅使用卫星数据的模型在 150 km 容差下的邻域临界成功指数（CSI@150）为 $0.402$，处于不同气象机构分析结果之间的一致性范围内。卫星$+$ERA5 模型的该指数达到 $0.575$，提高了 $0.173$。我们的分析表明，低层风最难通过卫星表征预测（$R^2 = 0.23$，而温度为 $0.88$），同时，移除风场或水汽场会导致检测性能出现最大幅度的下降。