用于天气极端事件预估的多尺度深度学习框架
机器学习
2022-10-24 v1 大气与海洋物理
摘要
天气极端事件是一种重大的社会与经济危害，每年夺去数千生命并造成数十亿美元损失。在气候变化下，其影响与强度预计将显著恶化。遗憾的是，目前作为气候预估主要工具的通用环流模型（GCMs）无法准确刻画天气极端事件。为此，我们提出了一个多分辨率深度学习框架，该框架首先通过将 GCM 输出的低阶与尾部统计量与粗尺度上的观测相匹配来校正 GCM 的偏差；其次，通过将细尺度重构为粗尺度的函数，来提高去偏后 GCM 输出的细节水平。我们使用所提出的框架，基于利用观测大气再分析校正过的简单 GCM，生成西欧气候的统计真实实现。我们还讨论了其对变化气候中自然灾害概率风险评估的意义。
引用
@article{arxiv.2210.12137,
title = {A Multi-Scale Deep Learning Framework for Projecting Weather Extremes},
author = {Antoine Blanchard and Nishant Parashar and Boyko Dodov and Christian Lessig and Themistoklis Sapsis},
journal= {arXiv preprint arXiv:2210.12137},
year = {2022}
}