研究人员开发了一种使用时空图神经网络（MTGNN）重建历史陆地储水量（TWS）数据的新方法。该深度学习模型从气象强迫数据中学习，生成可追溯至1940年的月度TWS异常值，从而扩展了卫星记录。该方法表现强劲，在网格单元和流域尺度上均实现了高相关性，并能重现厄尔尼诺和拉尼娜等重大气候事件。与现有重建技术相比，基于图的模型具有竞争力，同时需要更少的预测因子，并揭示了所有测试模型在干旱地区普遍存在的弱点。 AI
影响 增强了历史气候数据的可用性，可能改善气候建模和水资源管理。
排序理由 学术论文，详细介绍了使用图神经网络进行数据重建的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
