科技信息快递

2020年

  1. 2023年
  2. 2022年
  3. 2021年
  4. 2020年
  5. 2019年
  6. 2018年
  7. 2017年
  8. 2016年
  9. 2015年
  10. 2014年

第四期

  1. 第一期
  2. 第二期
  3. 第三期
  4. 第四期
  5. 第五期
  6. 第六期
  7. 第七期

读图时代

首页 > 《科技信息快递》 >2020年>第四期>读图时代
利用 AI 重建缺失的气候信息 发布日期 :2023-05-11  
  历史温度测量是全球气候数据集(例如 HadCRUT4)的基础,但 HadCRUT4 数据集中有许多缺失的值,特别是 20 世纪中期之前。最新研究表明,AI 与数值气候模式数据相结合,可以巧妙地填补这些观测空白。德国科学家提出一种新方法,利用图像修复技术来重建缺失的气候信息,从而减少气候记录中的不确定性和偏差。最新发展的图像修复技术通过使用 20CR再分析资料或 CMIP5 试验进行迁移学习,对每月数据进行准确的重建。与原始数据相比,得到的全球年平均温度时间序列具有较高的 Pearson 相关系数。图为迁移学习过程示意图。(来 源:Nature Geoscience)(英文原文见附件 1.2