面向季节至年代际预测的数据驱动全球海洋建模
大气与海洋物理
2024-10-30 v2 人工智能
机器学习
摘要
精确的海洋动力学建模对于加深对海洋环流的理解、预测气候变率以及应对气候变化带来的挑战至关重要。尽管传统数值模型有所改进，但在多年尺度上预测全球海洋变率仍然具有挑战性。在此，我们提出ORCA-DL（基于深度学习的海洋可靠预报），这是首个用于全球海洋环流季节至年代际预测的数据驱动三维海洋模型。ORCA-DL能够精确模拟三维海洋动力学，并在捕捉极端事件（包括厄尔尼诺-南方涛动和上层海洋热浪）方面优于最先进的动力学模型。这证明了数据驱动模型在高效、精确的全球海洋预报方面的巨大潜力。此外，ORCA-DL能够在年代际时间尺度上稳定模拟海洋动力学，展示了其在有技巧的年代际预测和气候预估方面的潜力。
引用
@article{arxiv.2405.15412,
title = {Data-driven Global Ocean Modeling for Seasonal to Decadal Prediction},
author = {Zijie Guo and Pumeng Lyu and Fenghua Ling and Lei Bai and Jing-Jia Luo and Niklas Boers and Toshio Yamagata and Takeshi Izumo and Sophie Cravatte and Antonietta Capotondi and Wanli Ouyang},
journal= {arXiv preprint arXiv:2405.15412},
year = {2024}
}