机器学习模拟千年气候
Fountain: AGU Advances This is an authorized translation of an Eos article. 本文是Eos文章的授权翻译. 近年来，科学家们发现，基于机器学习的天气模型可以比传统模型更快地做出天气预测，且并且到第60天时就会开始模拟出不切实际的天气. 深度学习地球系统模型（Deep Learning Earth System Model，简称DLESyM）建立在两个并行运行的神经网络上：一个模拟海洋，另一个模拟大气。在模式运行期间，对海洋状况的预测每四个模式日更新一次。由于大气条件演变得更快，对大气的预测每12个模式小时更新一次。 该模型的创建者Cresswell-Clay 等人发现，DLESyM与过去观测到的气候非常吻合，并能做出准确的短期预测。以地球当前的气候为基准，它还可以在不到12小时的计算时间内，准确模拟1000式比对计划第六阶段（CMIP6）的模型相当，甚至优于后者，CMIP6目前在计算气候研究中被广泛使用. DLESyM 模型在模拟热带气旋和印度夏季季风方面优于 CMIP6 模型。它至少与CMIP6 1000年模拟结束时（3016 年）生成的东北风暴的结构与 2018 年观测到的东北风暴非常相似. 然而，新模型和CMIP6此外，对于中期预报（即未来 15天左右的预报），DLESyM DLESyM DLESyM compliant, CMIP6 compliant (AGU Advances, https://doi.org/10.1029/2025AV0017062025) —科学撰稿人Madeline Reinsel This translation was done by wiley. 本文翻译由wiley提供。 Read this article on WeChat. 在微信上阅读本文. Text…
