Deep Learning for Bias‐Correcting CMIP6‐Class Earth System Models

计算机科学 背景(考古学) 地球系统科学 空间生态学 降水 网格 气候模式 代表(政治) 空间相关性 空间语境意识 人工智能 环境科学 机器学习 气候变化 气象学 统计 数学 地质学 地理 生态学 古生物学 政治学 海洋学 法学 政治 生物 几何学
作者
Philipp Hess,Stefan Lange,Christof Schötz,Niklas Boers
出处
期刊:Earth’s Future [American Geophysical Union]
卷期号:11 (10): e2023EF004002- 被引量:61
标识
DOI:10.1029/2023ef004002
摘要

The accurate representation of precipitation in Earth system models (ESMs) is crucial for reliable projections of the ecological and socioeconomic impacts in response to anthropogenic global warming. The complex cross‐scale interactions of processes that produce precipitation are challenging to model, however, inducing potentially strong biases in ESM fields, especially regarding extremes. State‐of‐the‐art bias correction methods only address errors in the simulated frequency distributions locally at every individual grid cell. Improving unrealistic spatial patterns of the ESM output, which would require spatial context, has not been possible so far. Here, we show that a postprocessing method based on physically constrained generative adversarial networks (cGANs) can correct biases of a state‐of‐the‐art, CMIP6‐class ESM both in local frequency distributions and in the spatial patterns at once. While our method improves local frequency distributions equally well as gold‐standard bias‐adjustment frameworks, it strongly outperforms any existing methods in the correction of spatial patterns, especially in terms of the characteristic spatial intermittency of precipitation extremes.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
英姑的应助被科研通管家采纳,获得10
刚刚
无花果的应助被科研通管家采纳,获得10
刚刚
alandan发布了新的文献求助30
刚刚
脑洞疼的应助被科研通管家采纳,获得10
刚刚
遇见发布了新的文献求助10
1秒前
罗喉完成签到 ,获得积分10
1秒前
激动的八宝粥完成签到,获得积分20
3秒前
我是谁的应助被soile采纳,获得50
3秒前
沃森完成签到 ,获得积分10
4秒前
企鹅完成签到,获得积分10
5秒前
田様的应助被xiahaijun采纳,获得10
7秒前
Ivan完成签到 ,获得积分10
7秒前
木南完成签到 ,获得积分10
7秒前
丘比特的应助被杨子墨采纳,获得10
9秒前
小王完成签到,获得积分10
10秒前
10秒前
vv完成签到 ,获得积分10
10秒前
悦耳代双完成签到 ,获得积分10
10秒前
陈凌雪完成签到,获得积分10
10秒前
纯牛奶完成签到 ,获得积分10
10秒前
zm18982426205完成签到 ,获得积分10
11秒前
Jimmychin完成签到,获得积分10
11秒前
12秒前
YOUNG-M完成签到,获得积分10
13秒前
lucaslucas完成签到 ,获得积分10
13秒前
delusionY完成签到 ,获得积分10
14秒前
Saber完成签到,获得积分10
14秒前
完美世界的应助被alandan采纳,获得10
14秒前
Cecilia完成签到,获得积分10
15秒前
尘有心完成签到 ,获得积分10
15秒前
爆米花的应助被liangchao采纳,获得50
15秒前
科研通AI6.2的应助被liangchao采纳,获得50
15秒前
科研通AI6.2的应助被liangchao采纳,获得50
15秒前
光亮向真发布了新的文献求助10
16秒前
19秒前
19秒前
19秒前
20秒前
姜糊完成签到 ,获得积分10
20秒前
yishu完成签到,获得积分20
21秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
拉伸高分子熔体中缠结行为的模拟和小角中子散射研究 2000
Sex, Aging, and Death in a Medieval Medical Compendium: Trinity College Cambridge MS R.14.52, Its Texts, Language, and Scribe 500
高分子基功能界面水蒸发材料与应用研究 500
外场增强的水汽发电研究 500
基于结构调控的功能化水诱导发电材料与器件研究 500
基于界面调控的高效湿气发电材料与器件研究 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8190478
求助须知:如何正确求助?哪些是违规求助? 9577686
关于积分的说明 21853808
捐赠科研通 7789496
什么是DOI,文献DOI怎么找? 3436407
关于科研通互助平台的介绍 2560235
邀请新用户注册赠送积分活动 2483054