利用平滑深度学习方法识别干旱与高温的大气驱动因子
机器学习
2021-11-10 v1 大气与海洋物理
机器学习
摘要
近年来欧洲多个夏季遭受了灾难性的高温与干旱事件。除热力学影响外，此类干热极端事件由特定的大气环流形势（包括反气旋条件）所驱动。气候变化对大气环流的影响十分复杂，许多开放研究问题尚存，例如反气旋条件的未来趋势。基于标注环流型目录与空间大气变量的结合，我们提出了一种平滑卷积神经网络分类器，用于识别与干旱和高温相关的六类反气旋环流。我们的工作有助于在气候模拟中识别干热极端事件的重要驱动因子，从而揭示气候变化对这些驱动因子的影响。我们解决了环流型分类中固有的、在其他气候型中也存在的诸多挑战，例如主观标签与模糊的过渡时段。
引用
@article{arxiv.2111.05303,
title = {Identifying the atmospheric drivers of drought and heat using a smoothed deep learning approach},
author = {Magdalena Mittermeier and Maximilian Weigert and David Rügamer},
journal= {arXiv preprint arXiv:2111.05303},
year = {2021}
}
备注
NeurIPS 2021: Tackling Climate Change with Machine Learning