主要观点总结
本文主要介绍了人工智能在大气科学中的应用，包括灾害性天气气候事件的预报预测、模式误差估计、热带气旋生成预测模型、极端降雨和风速预报模型等方面。文章指出人工智能与大模型改进全球天气和海浪预报、估计模式误差的混合深度学习-资料同化方法等方面具有显著优势，并展望了其未来发展方向。
关键观点总结
关键观点1: 人工智能在大气科学中的应用
本文总结了人工智能在大气科学中的应用，包括改进全球天气和海浪预报、估计模式误差的混合深度学习-资料同化方法等方面。这些应用展示了人工智能在灾害性天气气候事件预报预测中的潜力。
关键观点2: 基于人工智能的灾害性天气气候事件预报预测
本文介绍了基于人工智能的灾害性天气气候事件预报预测的研究进展，包括热带气旋生成预测模型TCGP-Net、结合去噪扩散概率模型的极端降雨和风速预报模型Fuxi-Extreme等。这些模型提高了灾害性天气气候事件的预报预测水平。
关键观点3: 人工智能与传统数值模式的混合模型是未来发展方向
本文提出了耦合人工智能与传统数值模式的混合模型是预报预测的未来发展方向。这种混合模型可以提高预报预测的准确性和可靠性，为灾害性天气气候事件的预报预测提供新方法。
文章预览
2 0 2 4 54 卷 12 期 专 题 AI在大气科学中的应用 1 基于人工智能大模型改进全球天气和海浪预报 零丰华, 欧阳霖, Boufeniza Redouane LARBI, 罗京佳, 韩滔, 仲晓辉, 白磊 中国科学: 地球科学, 54(12), 3677-3690 (2024) 文章对人工智能在大气-海洋预报大模型未来发展中的挑战进行了深入分析, 并通过一个海浪预报实例展示了如何利用大型天气预报模型, 以实现更加精准预测. 2 一种估计模式误差的混合深度学习-资料同化方法 彭子怡, 雷荔傈, 谈哲敏 中国科学: 地球科学, 54(12), 3691-3707 (2024) 模式误差是预报误差的重要组成部分, 且难以与初始误差区分. 文章提出一种估计模式误差的混合深度学习-数据同化方法, 离线或在线学习模式误差, 或同时学习模式误差和初始条件误差, 有效推断和修正模式误差. 3 基于深度学习的全球热带气旋生成预测模型及其可解释性分析 穆斌, 王
………………………………
