近日,我院卢楚翰教授及其团队在国际权威期刊《npj Climate and Atmospheric Science》发表了题为“A Modified Transformer Model for the Extended-range Forecast of Intraseasonal Oscillation”的研究成果。文章针对气象要素的次季节尺度分量构建了延伸期预报模型ISOX,较原始Swin-Transformer模型以及CFS模式预报在延伸期预报技巧方面取得了更优的成绩。
卢楚翰教授等人基于传统Swin-Transformer模型进行改良,通过在模型中增加AFNO、SwishMLP、Cross-scale Embedding以及Pixel Shuffle等模块,构建了ISOX模型。该模型相较传统Swin-Transformer模型能够更好地把握气象要素之间的物理信息,增强了对长距离注意力以及非线性关系的建模。基于该模型对2022年全球多个关键气象要素次季节尺度分量进行了预报,在预报时效为7-16天时RMSE评分以及ACC评分方面均显著优于CFS模式及传统Swin-Transformer模型预报结果。同时针对2022年中亚地区一次热浪事件进行了预报,相较于其他预报方法在预报时效较长时仍能保持预报结果的准确性。
图 1不同模型的均方根误差(RMSE)得分比较。ISOX(蓝线)、Swin-Transformer(绿线)、CFS(红线)和气候值预报(黑线)的RMSE分别为(a) T2M、(b) U850、(c) V850、(d) T850和(e) Z500。阴影部分表示ISOX和Swin-Transformer合成差值通过90%显著性检验。
图2 2022年7月15日12时(UTC)中亚地区2m温度(填色图;℃)及500hPa位势高度(等值线;gpm)的(a)原始场及(b)ISO场。(c-n)(第一列)CFS模式,(第二列)ISOX模型以及(第三列)传统Swin-Transformer模型对于该时刻提前(第一行)10天,(第二行)13天,(第三行)15天以及(第四行)17天的预报结果。
论文信息:Lu, C., Shen, Y. & Guan, Z. A modified transformer model for the extended-range forecast of intraseasonal oscillation. npj Clim Atmos Sci 8, 9 (2025).https://doi.org/10.1038/s41612-025-00902-7