GraphCast项目中使用ERA5数据运行天气预报的注意事项

背景介绍

GraphCast是Google Research开发的一款基于机器学习的天气预报模型，它依赖于ERA5再分析数据作为输入。ERA5是欧洲中期天气预报中心(ECMWF)提供的第五代大气再分析数据集，包含全球气候和天气变量的历史记录。

数据准备要点

在GraphCast项目中运行天气预报时，需要特别注意ERA5数据的完整性和格式要求。以下是关键注意事项：

1. 数据源选择：必须同时下载两个ERA5数据集：

   • 单层数据(ERA5 hourly data on single levels)
   • 气压层数据(ERA5 hourly data on pressure levels)

2. 变量完整性：某些关键变量如2米温度(2m_temperature)只存在于单层数据集中，而气压层数据集中不包含这些地表变量。这就是为什么单独下载气压层数据会缺少部分必要变量。

3. 时间覆盖：虽然ERA5数据从1940年持续至今，但对于GraphCast的预测任务，通常只需要准备预测起始点前后足够长的数据即可。

数据处理建议

1. 数据合并：将下载的单层数据和气压层数据合并，确保包含所有必要的预报变量。

2. 格式转换：原始ERA5数据需要转换为zarr格式，这是GraphCast模型预期的输入格式。

3. 时间对齐：确保所有变量的时间戳一致，特别是当数据来自不同下载批次时。

实际应用示例

假设要运行从2024年12月7日开始的15天预报，应该：

1. 下载12月7日及之前数天的单层数据和气压层数据
2. 合并这两组数据，确保包含所有GraphCast模型需要的变量
3. 转换为zarr格式
4. 提供给GraphCast模型进行预报

常见问题解决

如果发现某些变量缺失，首先检查是否同时下载了单层和气压层数据。许多地表变量如温度、湿度、风速等都存在于单层数据中，而高空变量则位于气压层数据中。

通过正确准备ERA5数据，可以确保GraphCast模型能够充分利用所有必要的天气变量，生成准确的天气预报结果。