通过无监督机器学习理解极端降水变化
摘要：暖化背景下极端降水的空间格局变化对于量化其变化的重要性，我们缺乏分析现代气候模式的暴雨尺度输出的工具。为了弥补这一空白，我们开发了一个无监督的机器学习框架，以量化暴雨动态如何影响降水极端事件的变化，同时不损失空间信息。对于降水量上分位数（超过80th百分位数），我们发现极端降水变化的空间格局主要由暴雨动力制度的空间转移而不是这些暴雨制度如何产生降水的变化所主导。我们的研究展示了无监督机器学习与领域知识相结合的方式，可以更好地理解大气物理学，并预见与全球变暖相关的变化。
作者：Griffin Mooers, Tom Beucler, Mike Pritchard, and Stephan Mandt
论文ID：2211.01613
分类：Atmospheric and Oceanic Physics
分类简称：physics.ao-ph
提交时间：2023-03-03