巨型机器学习后验预测的夏季 2023 年表面温度极端
应用统计
2026-04-14 v1
摘要
2023 年的夏季是记录的第二热年，全球范围内发生了诸多极端热浪。利用球形傅里叶神经算子机器学习（ML）天气模型，我们生成了 7,424 个天气情景的大规模集合，以模拟夏季温度极端情况。ML 集合产生的极端热浪情景的温度超过了再分析和数值天气预报集合的温度。我们的结果表明，ML 模型的极端表面温度在约全球陆地区域的约二分之一范围内并不寻常。然而，对于另一二分之一地区，ML 生成的极端事件超出了从小型集合通过极值理论外推得到的预测包络。此外，ML 集合能够轻松生成湿热极端情景的情景模拟，这些情景产生的公共安全警报类别比小型集合能够模拟的更危险。该研究突显了巨型集合模拟在改进理解和预测干燥和湿热温度极端方面的潜力。
引用
@article{arxiv.2604.09754,
title = {Surface temperature extremes produced by huge machine learning hindcasts of summer 2023},
author = {Mark Risser and Ankur Mahesh and Joshua North and William D. Collins and Boris Bonev and Karthik Kashinath and Thorsten Kurth and Shashank Subramanian and Michael S. Pritchard},
journal= {arXiv preprint arXiv:2604.09754},
year = {2026}
}