详细内容或原文请订阅后点击阅览
使气候模型与当地决策者相关
一种新的降尺度方法利用机器学习来加速更精细分辨率的气候模型模拟，使其可用于本地级别。
来源:MIT新闻 - 人工智能气候模型是预测气候变化影响的关键技术。通过对地球气候进行模拟，科学家和决策者可以估计海平面上升、洪水和气温上升等情况，并决定如何适当应对。但目前的气候模型难以快速或经济地提供这些信息，以便在较小的规模（例如城市规模）上发挥作用。
现在，发表在《地球系统建模进展》杂志上的一篇新的开放获取论文的作者找到了一种利用机器学习来利用当前气候模型优势的方法，同时降低运行这些模型所需的计算成本。
新的开放获取论文 《地球系统建模进展杂志》“它颠覆了传统智慧，”麻省理工学院地球、大气和行星科学系 (EAPS) 首席研究科学家 Sai Ravela 说，他与 EAPS 博士后 Anamitra Saha 共同撰写了这篇论文。
传统智慧
传统智慧在气候建模中，降尺度是使用具有粗分辨率的全球气候模型在较小区域生成更精细细节的过程。想象一张数字图片：全球模型是一张像素数较少的世界大图。要缩小尺寸，您只需放大您想要查看的照片部分 - 例如波士顿。但由于原始图片分辨率低，新版本很模糊；它没有提供足够的细节，因此特别有用。
“如果你从粗分辨率转向高分辨率，你必须以某种方式添加信息，”Saha 解释道。降尺度尝试通过填充缺失的像素来重新添加这些信息。“信息的添加可以通过两种方式实现：要么来自理论，要么来自数据。”
两者兼而有之
两者兼而有之快速量化风险
快速量化风险 气候大挑战项目