ترجمه فارسی مقاله WeatherReal: معیار مبتنی بر مشاهدات درجا برای ارزیابی مدل های آب و هوا

چکیده

In recent years, AI-based weather forecasting models have matched or even outperformed numerical weather prediction systems. However, most of these models have been trained and evaluated on reanalysis datasets like ERA5. These datasets, being products of numerical models, often diverge substantially from actual observations in some crucial variables like near-surface temperature, wind, precipitation and clouds – parameters that hold significant public interest. To address this divergence, we introduce WeatherReal, a novel benchmark dataset for weather forecasting, derived from global near-surface in-situ observations. WeatherReal also features a publicly accessible quality control and evaluation framework. This paper details the sources and processing methodologies underlying the dataset, and further illustrates the advantage of in-situ observations in capturing hyper-local and extreme weather through comparative analyses and case studies. Using WeatherReal, we evaluated several data-driven models and compared them with leading numerical models. Our work aims to advance the AI-based weather forecasting research towards a more application-focused and operation-ready approach.

چکیده به فارسی (ترجمه ماشینی)

در سالهای اخیر ، مدل های پیش بینی آب و هوا مبتنی بر هوش مصنوعی سیستم های پیش بینی آب و هوا عددی را با هم مطابقت داده اند یا حتی بهتر عمل کرده اند.با این حال ، بیشتر این مدل ها در مجموعه داده های تجزیه و تحلیل مانند ERA5 آموزش داده و ارزیابی شده اند.این مجموعه داده ها ، محصولاتی از مدل های عددی ، غالباً از مشاهدات واقعی در برخی متغیرهای مهم مانند دمای نزدیک به سطح ، باد ، بارش و ابرها – پارامترهایی که علاقه عمومی قابل توجهی دارند ، به طور قابل ملاحظه ای فاصله می گیرند.برای پرداختن به این واگرایی ، ما WeatherReal را معرفی می کنیم ، یک مجموعه داده معیار جدید برای پیش بینی آب و هوا ، ناشی از مشاهدات جهانی در سطح نزدیک در سطح.Weatherreal همچنین دارای یک چارچوب کنترل کیفیت و ارزیابی کیفیت در دسترس عمومی است.در این مقاله به منابع و روشهای پردازش در زیر مجموعه داده می پردازیم ، و بیشتر مزیت مشاهدات درجا در ضبط هوای بیش از حد محلی و شدید را از طریق تجزیه و تحلیل های مقایسه ای و مطالعات موردی نشان می دهد.با استفاده از WeatherReal ، ما چندین مدل داده محور را ارزیابی کردیم و آنها را با مدل های عددی پیشرو مقایسه کردیم.کار ما با هدف پیشبرد تحقیقات پیش بینی هواشناسی مبتنی بر هوش مصنوعی به سمت رویکرد بیشتر کاربردی و کاربردی بیشتر انجام شده است.