可解释AI驱动的地形-降水关系发现以增强气候洞察
大气与海洋物理
2025-05-12 v2 机器学习
地球物理
摘要
尽管AI驱动模型在现代降水预报中取得了显著进展，这些黑箱模型无法从根本上深化对潜在机制的理解。为应对此局限，我们提出一种称为遗传算法-地理加权回归（GA-GWR）的AI驱动知识发现框架。我们的方法旨在揭示复杂地形区域中降水格局与地形特征之间复杂关系的显式方程。通过这一AI驱动知识发现，我们揭示了先前未公开的显式方程，阐明了地形特征与降水格局的联系。这些方程应用于降水数据时表现出卓越精度，优于传统经验模型。值得注意的是，我们的研究发现这些方程中的参数是动态的，随气候格局演变而自适应。最终，所揭示的方程具有实际应用价值，特别是在利用低分辨率未来气候数据进行降水预测的精细尺度降尺度方面。该能力为未来气候情景下不同地形降水格局的预期变化提供了宝贵洞察，从而提升我们应对当代气候科学挑战的能力。
引用
@article{arxiv.2309.15400,
title = {Interpretable AI-Driven Discovery of Terrain-Precipitation Relationships for Enhanced Climate Insights},
author = {Hao Xu and Yuntian Chen and Zhenzhong Zeng and Nina Li and Jian Li and Dongxiao Zhang},
journal= {arXiv preprint arXiv:2309.15400},
year = {2025}
}