ACE2：准确学习次季节到年代际大气变率与强迫响应
大气与海洋物理
2024-11-19 v1 机器学习
摘要
现有的天气变率机器学习模型并未设计用于评估其对变化的外部边界条件（如海面温度和温室气体）的响应。这里我们介绍ACE2（Ai2气候模拟器版本2）及其在重现过去80年从日到十年时间尺度大气变率方面的应用。ACE2是一个4.5亿参数的自回归机器学习模拟器，以6小时时间分辨率、1°水平分辨率和八个垂直层运行。它精确守恒全球干空气质量和水汽，并且可以稳定地向前推进任意多步，每个墙钟日约模拟1500年。ACE2生成涌现现象，如热带气旋、马登-朱利安振荡和平流层突然增温。此外，它准确重现了过去80年大气对厄尔尼诺变率和全球温度趋势的响应。然而，它对单独改变海面温度和二氧化碳的敏感性并不完全真实。
引用
@article{arxiv.2411.11268,
title = {ACE2: Accurately learning subseasonal to decadal atmospheric variability and forced responses},
author = {Oliver Watt-Meyer and Brian Henn and Jeremy McGibbon and Spencer K. Clark and Anna Kwa and W. Andre Perkins and Elynn Wu and Lucas Harris and Christopher S. Bretherton},
journal= {arXiv preprint arXiv:2411.11268},
year = {2024}
}
备注
31 pages, 23 figures