ERA5-Land: A state-of-the-art global reanalysis dataset for land applications
PulseAugur coverage of ERA5-Land: A state-of-the-art global reanalysis dataset for land applications — every cluster mentioning ERA5-Land: A state-of-the-art global reanalysis dataset for land applications across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
AI模型AIFL提高了全球流量预测的准确性
研究人员开发了AIFL，一种用于全球逐日流量预测的新型LSTM模型。该模型采用两阶段迁移学习方法，首先在ERA5-Land再分析数据上进行预训练，然后在业务集成预报系统（IFS）数据上进行微调。这种方法有效地弥合了历史再分析和业务预报产品之间的性能差距。在独立测试集上，AIFL实现了0.66的中位数修正Kling-Gupta效率（KGE'）和0.53的中位数Nash-Sutcliffe效率（NSE），显示出与现有最先进的全球系统相当的准确性。
-
卷积神经过程在天气降尺度方面展现出潜力
研究人员探索了使用卷积条件神经过程（ConvCNPs）对天气数据进行降尺度，特别是瑞士的每日最高温度。ConvCNP模型改编自现有架构，并结合了高分辨率地形数据进行增强，其平均绝对误差为1.31摄氏度，相对于双线性插值的技能得分为0.524。消融研究强调了高程多层感知机（MLP）组件的关键作用，而季节性特征和地形位置指数提供了次要改进。研究还指出，虽然模型在输入稀疏的情况下能够良好运行，但它难以处理离网站点观测数据，并且由于其高斯似然…
-
AI模型识别沙特阿拉伯最佳干旱地区再绿化地点
研究人员开发了一个新的机器学习框架，用于识别干旱地区恢复项目的最佳地点。该方法整合了气候数据和遥感技术，以预测无需大量灌溉即可使本地植被茁壮成长的区域。通过分析气候适宜性和当前植被覆盖情况，该系统能够精确定位有希望的地点，从而减少昂贵的实地调查的需要，并支持有韧性的生态系统恢复。