深度学习揭示日降水中的人类影响(Nature)

气候模型预测温室气体加强了日降水变化和极端事件,但由于区域降水波动太大,无法直接使用观测数据验证这种预测。

作者提出用CNN做检测,首先给模型输入全球降水异常分布图,然后输出一个年全球平均气温,输出端的真值是模拟数据。

模型训练好以后给模型输入近年的卫星观测、模式模拟、再分析等数据(用好几套数据是考虑到了降水间接估计的不确定性),让模型给出温度。结果显示温度逐渐升高,反推出了全球变暖

然后,他们用滤波器将降雨数据分解为不同时间尺度的模态,结论是低频对变暖几乎没有贡献,主要在高频上

他们还用了一种occlusion sensitivity的方法来测试对全球变暖贡献最大的区域,具体方法是永远是数据给出一个温度,然后用0填充再给出一个,这种方法帮助他们测试出来贡献最大的热点区域

 

posted @   诸葛村夫CC  阅读(24)  评论(0编辑  收藏  举报
相关博文:
阅读排行:
· 一个费力不讨好的项目,让我损失了近一半的绩效!
· 清华大学推出第四讲使用 DeepSeek + DeepResearch 让科研像聊天一样简单!
· 实操Deepseek接入个人知识库
· CSnakes vs Python.NET:高效嵌入与灵活互通的跨语言方案对比
· Plotly.NET 一个为 .NET 打造的强大开源交互式图表库
点击右上角即可分享
微信分享提示