论文概要：平流层爆发性增温（Sudden Stratospheric Warmings, SSWs）是极地上空重要的大气动力学现象，常常对中纬度地区的寒潮爆发产生深远影响。然而，传统数值天气预报模式在中长期尺度上对SSWs事件的预报能力有限，尤其在极涡形态演变和行星波驱动等关键过程上存在明显不足。本研究首次将计算机视觉中的视频预测方法引入SSWs事件的预报中，创新性提出了一种基于全局注意力的运动解耦网络（GMRNN），用于刻画极涡的精细形态变化。该方法融合长短时序运动建模与全局特征校正机制，显著提升了对平流层动力过程的感知与模拟能力。该研究表明，深度学习技术特别是基于视频序列建模的方法，具备挖掘平流层缓变过程潜在规律的优势，在解决中长期尺度下极端气候事件的可预报性方面展现出巨大潜力。
GMRNN的主要架构
2018，2019年SSW事件的真实与预测结果对比
核心PI
|
|
|
|
文章信息：
上述研究成果发表于国际期刊《Geophysical Research Letters》上。兰州大学大气科学学院硕士研究生杜羽皓为该论文第一作者，张健恺教授为文章通讯作者。本研究由国家自然科学基金气象联合基金项目（U2442211），国家自然科学基金重大项目（42394124）和重点项目（42275056）资助。
论文信息：
点击文末“阅读原文”可查看成果发布源。