研究人员开发了一种新的方法来训练机器学习模型以进行气候数据降尺度，重点是如何有效选择训练年份。他们的研究使用了CESM2 Large Ensemble，发现与仅在连续历史时期进行训练相比，在整个气候轨迹中分布训练年份可以显著提高模型重现气候变率的能力。这种方法，即使数据有限，也优于仅在历史数据上训练的模型，并表明广泛采样气候状态比时间连续性更有利于分配稀缺的高分辨率模拟资源。 AI
影响 优化了气候模型的训练数据选择，可能提高气候影响评估的准确性和效率。
排序理由 详细介绍机器学习气候降尺度新方法的学术论文。[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 →