Ahmed Marey

新的U-Net模型CASPER通过数据高效降尺度改进极端高温预测

研究人员开发了一个名为CASPER的U-Net模型，该模型可以将大气数据降尺度到公里级，用于预测极端高温事件。模型的准确性与到训练数据的气候距离直接相关，随着距离的增加，误差呈线性增长。通过在目标气候跨度的数据上训练CASPER，可以用显著减少的模拟时间来维持准确性，从而使公里级降尺度更加容易实现。这种方法在改进区域预测方面也显示出潜力，例如通过局部模拟来减少温哥华热浪预测中的误差。