Citation
Jiahui Zhou, Fei Liu, 2024, Improving subseasonal forecasting of East Asian monsoon precipitation with deep learning, Atmospheric and Oceanic Science Letters, 100520, https://doi.org/10.1016/j.aosl.2024.100520.
Download
https://doi.org/10.1016/j.aosl.2024.100520
东亚夏季风(EASM)降水的准确次季节预报至关重要, 因为它直接影响着数十亿人的生计. 然而, 最先进的次季节-季节(S2S)预测模型的预测技巧仍然有限. 本研究开发了一种卷积神经网络(CNN)回归模型, 通过利用动力预测模型预测的更可靠的环流场来提高EASM周降水的预测技巧. 经过CNN模型的订正, 在提前一周预测EASM降水指数时, 11个S2S模式的平均距平相关系数从增加了14%, 从0.30增加到0.35;均方根误差减少了22%, 从3.22减少到2.52.在这些S2S模式中, 通过CNN订正对预测技巧的提高程度取决于模式在准确预测大气环流变量方面的表现. 对EASM降水指数的CNN订正只能订正模式的系统误差, 与逐个网格订正还是整个区域平均指数订正无关, 并且在不同的提前期内CNN的订正效果基本不变. 此外, 200hPa纬向风被认为是有效订正的最重要变量.
Figure. Improvement of prediction skill by CNN correlation in S2S models: (a) Prediction skill (ACC) for weekly EASM precipitation index for 11 S2S models’ precipitation (blue bars), CNN-predicted precipitation (red bars), as well as their combination based on the linear regression model (green bars), for seven-day lead prediction. The average skill for all 11 models is also shown. Panel (b) shows the same as (a) except for the RMSE.
编辑｜金 鑫
审核｜刘晓春
期刊简介
《大气和海洋科学快报(英)》(Atmospheric and Oceanic Science Letters，简称AOSL)创刊于2008年年底，是由中国科学院主管， 中国科学院大气物理研究所、中国气象学会主办的英文学术期刊。
AOSL实行严格的同行评议，发表大气科学和物理海洋学领域创新性“通讯” (letters)，发表Original Articles、Reviews (特邀)、Progress and Views、Report、Data Description等类型文章。期刊一直以高水平研究成果的快速发表为办刊宗旨，具有国际化的编委会以及编辑、审稿、作者队伍，致力于不断提升期刊的论文质量，提高期刊的学术影响力。
期刊自2016年起转为开放获取(Open Access, OA)出版模式。从2014年连续被评为“中国国际影响力优秀期刊”，目前已被ESCI (Impact Factor: 2.3)、Scopus (CiteScore: 4.2)、GEOBASE、DOAJ、JSTChi、CSCD (核心集)、中科院期刊分区表、中国科协地学领域高质量科技期刊分级目录 (T2级) 等收录。
