氨排放反演不必再跑60次化学模式：EnsAI用U-Net一次生成集合，快3300倍
核心概要
氨排放反演依赖集合来刻画随气象变化的误差协方差，但每生成一次集合都要反复运行GEM-MACH化学模式。EnsAI改用U-Net卷积网络，从氨排放扰动和温度、风场直接映射出地表氨浓度扰动，生成一周模拟数据每个成员只需7秒，而GEM-MACH在720个计算节点上需约6.5小时。用EnsAI集合做排放反演，全年总排放比GEM-MACH集合反演低2.6%，月度总量差异均在10%以内。
深度剖析
地表氨浓度的集合生成从反复运行化学输送模式改为一次神经网络前向计算，使排放反演所需的流依赖误差协方差可以在GPU上快速获得。 此前这类反演只能偶尔进行，因为用GEM-MACH生成集合的计算代价很高；化学资料同化系统采用静态背景误差协方差并不罕见，例如加拿大环境与气候变化部的两个业务化学分析系统都使用静态背景误差协方差。 生成一周模拟数据、每个集合成员，GEM-MACH在720个计算节点的CPU集群上约需6.5小时，EnsAI在单块GPU上只需7秒，约快3300倍。
网络只学排放扰动到地表氨浓度扰动的诊断映射，输入为氨排放扰动与同一时刻的温度和水平风场，不引入前一时刻的浓度或气象场。 这利用了氨在大气中寿命短、扰动局地且短暂的性质，因此无需像扩散生成模型那样构造潜空间再反噪。 训练集为GEM-MACH 2016年1月至12月的60成员逐小时集合，共527040个样本；测试与验证使用2015年全年及2014年7月的集合。
在排放反演中替换集合后，反演得到的排放增量与使用GEM-MACH集合时接近，同时计算资源显著减少。 与静态协方差反演相比，EnsAI反演的月排放增量更接近GEM-MACH集合反演的结果。 EnsAI反演的月总排放与GEM-MACH集合反演相差均在10%以内，全年总量低2.6%；静态协方差反演全年低6.9%，且3月至5月、8月至11月的月度差异超过10%。
启示与展望
演示范围是北美区域、地表氨浓度这一单一变量，训练数据来自GEM-MACH 2016年一年的60成员集合，评估用2015年及2014年7月的集合与AMoN、NAPS地面观测。作者指出，在完成其他区域的测试之前，当前形式的EnsAI应视为限于现有空间范围。
作者指出训练数据只来自北美一年，可能未覆盖差异很大的气象条件或化学 regime，若未来条件显著变化需要继续训练或微调。EnsAI只输出单一地表浓度场，而GEM-MACH输出85层的数百个化学场；扩展到长寿命物种需要引入前一时刻场并改为预报式关系。与地面观测比较时，38个站点上EnsAI的RMSE高于GEM-MACH集合反演，最大增加0.16 ppbv。