通过物理引导的数据驱动方法改进全球极端海洋热浪预报
大气与海洋物理
2024-12-23 v1 人工智能
摘要
被称为海洋热浪 (MHWs) 的异常温暖海面温度事件对海洋生态系统有着深远影响。准确预测极端 MHWs 具有重要的科学和经济价值。然而，现有方法仍存在一定局限性，尤其是在最极端的 MHWs 方面。在本研究中，为了解决这些问题，基于 MHWs 的物理本质，我们创建了一种新型深度学习神经网络，能够进行准确的 10 天 MHW 预报。我们的框架通过两个受数值模型启发的专门设计模块显著提高了极端 MHWs 的预报能力：一个耦合器和一个概率数据增强。耦合器模拟了大气对 MHWs 的驱动作用，而概率数据增强方法基于集合预报的思想显著提升了极端 MHWs 的预报能力。与传统数值预测相比，我们的框架具有显著更高的准确性，且需要更少的计算资源。此外，可解释 AI 方法表明风强迫是 MHW 演变的主要驱动力，并揭示了其与海气热交换的关系。总体而言，我们的模型为未来理解 MHWs 的驱动过程及业务化预报提供了一个框架。
引用
@article{arxiv.2412.15532,
title = {Improved Forecasts of Global Extreme Marine Heatwaves Through a Physics-guided Data-driven Approach},
author = {Ruiqi Shu and Hao Wu and Yuan Gao and Fanghua Xu and Ruijian Gou and Xiaomeng Huang},
journal= {arXiv preprint arXiv:2412.15532},
year = {2024}
}