德州大学发布45年全球气象预测数据集，助力气候研究与模型验证。
UT-GraphCast Hindcast Dataset: A Global AI Forecast Archive from UT Austin for Weather and Climate Applications
- 基于图神经网络的GraphCast模型，每分钟生成15天全球天气预报。
- 覆盖1979-2024年，每日00UTC提供25公里分辨率预报数据。
- 适合气候建模、极端天气分析与机器学习可解释性研究者使用。
德克萨斯大学奥斯汀分校在世界气候研究计划（WCRP）支持下，发布了从1979年至2024年的全球气象预报历史数据集。该数据集由谷歌深度思维的GraphCast业务模型生成，采用物理信息图神经网络架构，基于欧洲中期天气预报中心（ECMWF）ERA5再分析数据训练。模型每日在00UTC生成15天确定性预报，空间分辨率达约25公里，涵盖37个垂直层上的十余个关键大气与地表变量，可在现代硬件上于一分钟内完成一次完整中程预报，为气象与气候研究提供长期、高精度的预测基准。
原文摘要 · Abstract (English)
The UT GraphCast Hindcast Dataset from 1979 to 2024 is a comprehensive global weather forecast archive generated using the Google DeepMind GraphCast Operational model. Developed by researchers at The University of Texas at Austin under the WCRP umbrella, this dataset provides daily 15 day deterministic forecasts at 00UTC on an approximately 25 km global grid for a 45 year period. GraphCast is a physics informed graph neural network that was trained on ECMWF ERA5 reanalysis. It predicts more than a dozen key atmospheric and surface variables on 37 vertical levels, delivering a full medium range forecast in under one minute on modern hardware.
Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。