FuXiWeather2: 운영형 전 지구 기상 예측을 위한 정확한 대기 상태 추정 학습

FuXiWeather2: Learning accurate atmospheric state estimation for operational global weather forecasting

수치 기상 예측은 오랫동안 데이터 동화 및 수치 모델링에 내재된 계산 병목 현상으로 인해 제약되어 왔습니다. 머신러닝은 예측 속도를 향상시켰지만, 기존 모델은 대부분 "재분석 데이터의 에뮬레이터" 역할을 수행하며, 이로 인해 체계적인 편향과 운영 지연이 발생합니다. 본 논문에서는 데이터 동화 및 예측을 위한 통합형 엔드투엔드 신경망 프레임워크인 FuXiWeather2를 소개합니다. 저희는 실제 관측 데이터와 재분석 데이터를 결합하여 학습 목표를 직접 설정함으로써, 프레임워크가 재분석 데이터 내의 고유한 오류를 효과적으로 수정할 수 있도록 했습니다. 학습 시 NWP(수치 예보)에서 파생된 배경 입력과 실제 운영 환경에서 자체 생성된 배경 입력 간의 분포 차이를 해결하기 위해, 분석 생성의 정확성과 안정성을 향상시키는 재귀적 풀링 학습 방법을 도입했습니다. 또한, 저희 모델은 관측 데이터의 분포 불일치 문제를 완화하기 위해 실제 데이터와 시뮬레이션 데이터를 혼합한 데이터 세트로 학습되었습니다. FuXiWeather2는 분당 내에 0.25도의 고해상도 전 지구 분석 필드와 10일 예측을 생성합니다. 분석 필드는 대부분의 변수에서 NCEP-GFS를 능가하며, 특히 하층 대기와 지표 변수에서 ERA5 및 ECMWF-HRES 시스템보다 우수한 정확도를 보여줍니다. 이러한 고품질 분석 필드는 결정론적 예측을 수행하며, 평가된 지표의 91%에서 HRES 시스템의 성능을 능가합니다. 또한, 태풍 경로 예측에서의 뛰어난 성능은 극심한 기상 현상에 대한 신속한 대응에 실질적인 가치를 제공합니다. FuXiWeather2 분석 데이터 세트는 https://doi.org/10.5281/zenodo.18872728 에서 이용 가능합니다.

Numerical weather prediction has long been constrained by the computational bottlenecks inherent in data assimilation and numerical modeling. While machine learning has accelerated forecasting, existing models largely serve as "emulators of reanalysis products," thereby retaining their systematic biases and operational latencies. Here, we present FuXiWeather2, a unified end-to-end neural framework for assimilation and forecasting. We align training objectives directly with a combination of real-world observations and reanalysis data, enabling the framework to effectively rectify inherent errors within reanalysis products. To address the distribution shift between NWP-derived background inputs during training and self-generated backgrounds during deployment, we introduce a recursive unrolling training method to enhance the precision and stability of analysis generation. Furthermore, our model is trained on a hybrid dataset of raw and simulated observations to mitigate the impact of observational distribution inconsistency. FuXiWeather2 generates high-resolution ($0.25^{\circ}$) global analysis fields and 10-day forecasts within minutes. The analysis fields surpass the NCEP-GFS across most variables and demonstrate superior accuracy over both ERA5 and the ECMWF-HRES system in lower-tropospheric and surface variables. These high-quality analysis fields drive deterministic forecasts that exceed the skill of the HRES system in 91\% of evaluated metrics. Additionally, its outstanding performance in typhoon track prediction underscores its practical value for rapid response to extreme weather events. The FuXiWeather2 analysis dataset is available at https://doi.org/10.5281/zenodo.18872728.