XiaoMi-AI文件搜索系统
World File Search SystemERA5
评估几内亚海湾上海面温度的偏置校正GCM CMIP6
摘要：本研究使用ERE5重新分析的SST数据集重新网格重新网格，该数据集具有0.25°×0.25◦历史（1940- 2014年）的空间分辨率（纬度×经度）为0.25°×0.25◦（1940- 2014年），并预测（2015-2100）期。SSP5-8.5场景下的SST模拟是通过八个通用循环模型（GCM）的输出进行的。使用历史（1940- 2015年）和Future（2030-2100）时期的经验分位数映射（EQM）开发了偏置校正的数据集，同时评估了CMIP6模型模拟的每月5个月度观察到的CMIP6模型仿真，以观察到几内亚景点的温度的重新分析数据。总体而言，基于SSP5-8.5的CMIP6模型在2030 - 20100年的未来模拟场景表明，对于几内亚墨西哥湾，SST的预计将增加4.61℃，从2030年的31℃增加到2030年的31℃至2100°C，并在2.6°C in the Western Gog（Sahel）。基于Linux的NCVIEW，雪貂和CDO（气候数据运算符）软件包用于执行进一步的数据重新网格，并评估有关数据的统计功能。此外，ArcGI被用于开发输出图，以可视化GCM的历史和未来输出的空间趋势。相关系数（R）用于评估CMIP6模型的性能，分析显示访问0.1，CAMS CSM 0.2，CSM 0.3，CMCC 0.3和MCM 0.4，表明所有模型在捕获SSTS的气候模式方面都表现出色。CMIP6偏置校正的模型模拟表明，在远处，GOG上的SST变暖会高于近期气候情况。这项研究确认，CMIP6预测可用于与气候和水文影响研究有关的多种评估以及在变暖气候下的缓解措施的制定。
narclim-下一代气候模型数据 - adaptnsw
注意：1。由Access1-0和Access1-3 GCM驱动的NARCLIM1.5 RCMS模拟至2100；由Canesm2 GCM驱动的NARCLIM1.5 RCM模拟至2099年，这是因为Canesm2 GCM在Narclim1.5生产时未模拟2100。2。天气研究和预测（WRF）模型。3。关于排放场景（SRES）A2的特别报告是“商业 - 常常”方案。4。中度（RCP4.5）的代表性浓度途径（RCP）和很少的（RCP8.5）缓解。5。共享的社会经济途径（SSP）； SSP1-2.6和SSP3-7.0数据可从2024年获得，SSP2-4.5数据可在2025年提供。6。国家环境预测中心（NCEP）； ERA = ECMWF（欧洲中范围天气预报中心）重新分析临时（2015年）和ERA5（2020）。
使用自然语言处理和机器学习的自动化施工合同分析
摘要。上升的温室气体浓度和全球气溶胶排放量的下降正在导致能量以越来越多的速度积聚在地球气候系统中。对地球能量不平衡和海洋变暖的增加的不完全理解可降低准确准备近期气候变化和相关影响的能力。在这里，基于卫星的地球能量预算和海洋表面温度的观察与1985 - 2024年的ERA5大气再分析相结合，以提高人们对地球净能量不平衡变化和导致海洋表面变暖的物理理解。将地球能量失衡从2001 - 2014年的0.6±0.2 wm-2增加到2015 - 2023年的1.2±0.2 wm-2，主要是由于吸收的与海洋中与云辐射效应相关的吸收阳光的增加。观察到的吸收阳光的增加并未被ERA5完全捕获，并且由云层在全球海洋上反射的阳光的广泛减少确定。强烈有助于减少阳光的反射，但韦德尔海和罗斯海最近的南极海冰下降也是最近的南极海冰。在年际时间尺度（2000-2023）中，发现了每年1 Wm-2增加地球能量不平衡的每年增加0.1 o c/yr的增加。只有在混合层下方的热通量中没有并发响应时，才可以从简单的海洋混合层能量预算来理解这一点。基于这种简单的能量平衡方法和观察性证据，发现从2022年到2023年的近乎全球海洋表面变暖在0.27 o c上，与1.85±0.2 wm-2的较大能量失衡在物理上是一致的与从la nina到El Ni〜NO条件的过渡有关的混合层下方的通量。对地球能源预算的驱动因素的这种新解释及其与海洋变暖的联系可以提高对近期变暖和气候预测的信心。
太阳能自给自足家庭是可持续发展转型的驱动因素
摘要：我们提出了一个模型来估算德国一个四口之家实现 100% 电力自给自足所需的技术要求，包括光伏面积和电池容量以及成本。我们用准傅里叶级数和基于 2010 年柏林数据的自回归统计模型对私人家庭的每小时用电量进行建模。结合消耗模型和来自 ERA5 数据集的遥感每小时太阳辐照度数据，我们找到了从 2002 年 7 月到 2022 年 6 月实现电力自给自足所需的最佳光伏面积和电池容量。我们表明，使用当今的存储技术为私人家庭建立一个自给自足的家庭是可能的，并估算了这样做的预期成本。
气候基于生成扩散的降尺度
根据气候模型输出，降级或超分辨率为决策者提供了有关气候变化的潜在风险和影响的详细高分辨率信息。机器学习算法证明自己是有效，准确的缩小方法。在这里，我们展示了一种基于生成的，基于扩散的降尺度方法如何给出准确的降尺度结果。我们专注于一个理想化的环境，其中我们在0时恢复ERA5。25◦以2◦分辨率从粗粒子版本分辨率。与标准的U-NET相比，基于扩散的方法具有优异的精度，尤其是在细尺度上，正如光谱分解所强调的那样。另外，生成方法为用户提供了可用于风险评估的概率分布。这项研究强调了基于扩散的降尺度技术在提供可靠和详细的气候预测方面的潜力。
使用未配对的图像到图像翻译网络纠正气候模型模拟
摘要：我们评估了未配对的图像到图像翻译网络的适用性，以纠正通过全球大气循环模型模拟的数据。我们使用无监督的图像对图像翻译（单元）神经网络体系结构来映射在以南亚季风为中心的地理区域中的HADGEM3-A-N216模型和ERA5重新分析数据之间的数据，该区域中具有充分记录的严重偏见。单位网络构建了跨变量的相关性和空间结构，但产生的偏置校正比目标分布少。通过将单位神经网络与经典的分位数映射技术（QM）相结合，我们可以制定比任何一个单独的偏差校正。单元1 QM方案显示可以纠正单个变量的跨变量相关性，空间模式和所有边际分布。对这种联合分布的仔细校正对于化合物极端研究至关重要。
一个具有增强剩余U-NET
摘要：网格地球物理数据的时间缩小对于改善气候模型，天气预报和环境评估至关重要。但是，现有方法通常无法准确捕获多尺度的时间特征，从而影响其准确性和可靠性。为了解决此问题，我们引入了一个增强的残差U-NET体系结构，以进行时间缩小。结合剩余块的体系结构允许更深层的网络结构而不会过度拟合或消失的梯度，从而捕获更复杂的时间依赖性。固有的U-NET设计可以捕获多尺度功能，使其非常适合模拟各种时间动态。此外，我们实施了一种具有对流损失的流正规化技术，以确保该模型遵守有关地球物理领域的物理定律。我们在ERA5数据集中各种变量的实验结果表明，降低准确性的提高，表现优于其他方法。
精确评估气候模型中的陆地大圈耦合需要高频数据输出
图4：两足的度量分析，证明了不同平均周期对夏季耦合强度评估的影响（分别为北部和南半球的JJA和DJF）。诊断基于ERA5（ECMWF 300重新分析5）从1991年到2020年重新分析数据。通过TLM算法估算明智的热通量和P LCL之间的耦合强度（Dirmeyer等，2006）。通过使用不同的时间序列（即D：仅白天的平均值； E：24小时的全天平均值；和M：每月平均值）来诊断出强耦合区域（土地网格细胞的最高15％）。使用欧拉图来说明三个诊断之间的空间差异。欧拉图中有色组件的区域与特定集的大小成正比。（Yin等人，2023年修改。）305
![arXiv:2208.04918v1 [astro-ph.IM] 2022 年 8 月 9 日](/simg/9\9d15cac181c360859687f326fefb237d55bfa250.webp)
arXiv:2208.04918v1 [astro-ph.IM] 2022 年 8 月 9 日
背景。下一代望远镜的选址是在望远镜首次发射前的几十年选定的。选址通常基于近期的测量结果，但该测量结果太短，无法解释观测条件的长期变化，例如由人为气候变化引起的变化。因此，对于典型寿命为 30 年的天文设施，了解气候演变以优化观测时间至关重要。目标。在本研究中，我们分析了八个站点的天文观测条件趋势。大多数站点要么已经拥有提供现场天气参数测量的望远镜，要么是下一代望远镜的候选地。为了精细地表示地形，我们使用高分辨率模型比对项目提供的最高分辨率全球气候模型 (GCM) 集合，该集合是欧盟“地平线 2020 PRIMAVERA”项目的一部分。方法。我们评估了仅大气和耦合的 PRIMAVERA GCM 历史模拟，并与现场测量和欧洲中期天气预报中心 1979-2014 年期间的第五代大气再分析 (ERA5) 进行了比较。然后使用 PRIMAVERA 未来气候模拟分析 2015-2050 年期间当前场地条件变化的预测。结果。在大多数站点，我们发现 PRIMAVERA GCM 在温度、比湿和可降水蒸气方面与现场观测和 ERA5 相比具有良好的一致性。PRIMAVERA 模拟这些变量的能力提高了对其预测的信心。对于这些变量，模型集合预测所有站点都呈上升趋势，这将导致天文观测条件与当前条件相比逐渐变差。另一方面，预测相对湿度、云量或天文观测没有显著趋势，与观测和重新分析相比，PRIMAVERA 不能很好地模拟这些变量。因此，这些预测的信心不大。结论。我们的研究结果表明，气候变化将对天文观测的质量产生负面影响，并可能增加因场地条件恶劣而造成的时间损失。我们强调，天文学家在选址和监测过程中必须纳入长期气候预测。我们表明高分辨率 GCM 可用于分析气候变化对下一代望远镜场地特征的影响。
使用潜在的Dirichlet分配评估CMIP6模型的大气循环
气候模型旨在尽可能紧密地表示气候组件的统计特性，包括极端的事件，这些事件可能较少可用。这是由于人为强迫而导致的动态变化的基本要求。为了评估模型如何匹配观测值，我们需要能够选择，处理和评估气候组件的相关动力学特征的算法。必须对大型数据集有效地重申这一点，例如耦合模型对比项目6（CMIP6）发行的数据集。在这项工作中，我们使用潜在的Dirichlet分配（LDA），这是一种最初设计用于自然语言处理的统计软聚类方法，从海平面压力数据中提取天气模式，并评估CMIP6气候模型的动力学与ERA的动力学的近距离，无论是在总体情况下以及在极端温度事件的情况下，均与ERA 5 rean分析。