DustNet：预测撒哈拉灰尘的高技能神经网络
地球物理
2024-06-18 v1 人工智能
大气与海洋物理
数据分析、统计与概率
摘要
大气中悬浮着数百万吨矿物尘埃，与气候和天气相互作用。准确地在气象模型中表示矿物尘埃至关重要，但仍具有挑战。大规模气象模型使用高性能超级计算机，运行数小时才能完成预测。这种计算负担限制了它们仅能将矿物尘埃的月平均气候学均值作为输入状态，从而影响预测准确性。本文介绍 DustNet，这是一个简单、准确且超快速的模型，用于 24 小时 ahead 的气溶胶光学厚度 (AOD) 预测。DustNet 在桌面计算机上训练时间不足 8 分钟，预测仅需 2 秒。与基于物理的先进模型相比，在 1x1 度分辨率的粗糙网格上，DustNet 在 95% 的网格位置上优于基准模型。我们的结果表明，DustNet 有潜力实现快速准确的 AOD 预测，从而可能改变我们对撒哈拉灰尘对天气模式影响的理解。
引用
@article{arxiv.2406.11754,
title = {DustNet: skillful neural network predictions of Saharan dust},
author = {Trish E. Nowak and Andy T. Augousti and Benno I. Simmons and Stefan Siegert},
journal= {arXiv preprint arXiv:2406.11754},
year = {2024}
}
备注
34 pages, 9 figures, uses 2D CNN