深度学习准确实现季节性预测南极海冰迅速减少的情况
深度学习准确实现季节性预测南极海冰迅速减少的情况利用先进的深度学习模型对2024年2月的南极海冰进行了预测,结果与实际观测结果非常吻合,这肯定了模型在当前全球变暖问题中的有效性。2018年2月4日,南极罗斯海的海冰。图片来源:刘健2023年11月,南极海冰预报网络-南方(SIPN-South)项目协调了另一次夏季海冰状况预报,特别是2024年2月的预报。在中山大学和南方海洋科学与工程广东实验室(珠海)杨清华教授的带领下,研究团队利用卷积长短期记忆(ConvLSTM)神经网络构建了一个季节尺度的南极海冰预测模型。研究小组于2023年12月提交了预测结果,并经过同行评审,于2024年2月初发表在《大气科学进展》(AdvancesinAtmosphericSciences)上。在预测中,研究小组预计2024年2月南极海冰仍将接近历史最低点,但创下新低的可能性较小。预测2024年2月的海冰面积(SIA)和海冰范围(SIE)分别为144.1万平方公里和210.5万平方公里,略高于2023年观测到的历史最低值。"我们对ConvLSTM模型预测南极海冰状况的有效性充满信心,因为它在八年再预报实验中的表现令人信服。"杨清华教授也有同感:"不过,我们也担心潜在的'鞭打'效应。毕竟预测结果还有待于观测数据的验证。"最新的2024年2月卫星观测结果已经出炉。2024年2月观测到的SIA和SIE值分别为151.0万平方公里和214.2万平方公里,接近2023年记录的历史最低值(151.1万平方公里和191.3万平方公里)。预测值与观测值的对比显示两者非常接近,这增强了预报系统的可靠性。此外,2023年12月至2024年2月的海冰面积和范围均在预测值的一个标准差范围内,这突出表明了预测系统的可靠性。预测数据与观测数据的成功对比验证了ConvLSTM模型的准确性及其在可靠的南极海冰预测方面的潜力。这一结果将于2023年12月提交给SIPN-South国际比较项目,使其成为15项贡献中表现最佳的预测之一。"看着这些对比结果,我们有一种如释重负的感觉,信心倍增。"杨教授反思道,"在地球进入以2023年被断定为'工业化以来最暖年份'为标志的被称为'沸腾时代'的时期,我们的成功预测不仅凸显了加强南极海冰预测研究的重要意义,也展示了深度学习方法在这一关键领域的巨大应用潜力。"编译来源:ScitechDaily...PC版:https://www.cnbeta.com.tw/articles/soft/1428238.htm手机版:https://m.cnbeta.com.tw/view/1428238.htm
在Telegram中查看相关推荐
🔍 发送关键词来寻找群组、频道或视频。
启动SOSO机器人