利用 AI 重建缺失的气候信息
发布日期 ：2026-01-05
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）