详细内容或原文请订阅后点击阅览
快速熟练的海冰预报
人工智能利用生成扩散促进了耦合北极海冰预测模型的有效、熟练的替代。
来源:Eos杂志来源：《地球系统建模进展》
《地球系统建模进展》 《地球系统建模进展》过去十年中开发的海冰模型替代品正在颠覆极地预报，其速度类似于计算机生成的地球冰冻海洋预测诞生之初开发的数值方法。1964 年，威廉·诺德尔中尉对瓦西里·舒莱金的风驱动漂移方程的数值实现引发了物理上一致的每日北极冰缘预报的快速发展。在他们的新研究中，Finn 等人 [2024] 使用生成扩散来说明拉格朗日海冰模拟器预测整个北极冰层的季节内厚度、浓度、漂移和变形的潜力，其准确性与数值训练模型相同，但速度要快几个数量级。
Finn 等人[2024]作者为 neXtSIM 拉格朗日海冰模型的确定性替代模型添加了随机性，该模型与 NEMO 海洋框架耦合，并强制使用 ERA5 大气重新分析。他们训练了一个神经网络，以迭代方式对 1995-2014 年的 neXtSIM 模拟进行去噪，将得到的残差扩散替代模型调整为 2015 年的 neXtSIM 输出，并模拟 neXtSIM 2016-2018 年的预测。与更简单的确定性替代模型相比，残差扩散模拟器与 neXtSIM 模拟的观测到的多分形海冰变形非常相似。如果不向替代域提供边界条件，扩散替代预测会在初始化后 50 天产生尖锐的线性运动学特征和相关的海冰浓度和厚度，如上图所示。该方法只需花费动态模型计算成本的一小部分即可实现集合海冰预报。
neXtSIM 拉格朗日海冰模型 NEMO 海洋框架 ERA5 ，16，e2024MS004395。 https://doi.org/10.1029/2024MS004395 https://doi.org/10.1029/2024MS004395—Andrew Roberts，JAMES 副主编
JAMES CC BY-NC-ND 3.0相关