Авторы оценивают линейные обратные модели, обученные на данных модели прошлого тысячелетия, для прогнозирования концентрации, толщины арктического морского льда и других атмосферных и океанических переменных в месячных временных масштабах. Обнаружено, что для надёжной оценки способности прогнозирования линейным обратным моделям требуется более 500 лет обучающих данных и 100 лет проверочных. Лучшая линейная обратная модель имеет время упреждения до восьми месяцев и превосходит прогноз авторегрессионной модели первого порядка во всех местах, с особенно большим превосходством вблизи кромки льда. Однако для проверочных тестов вне выборки с использованием данных различных модельных расчётов и продуктов реанализа они уступают модели авторегрессионной модели первого порядка из-за различий в расположении кромки морского льда по сравнению с обучающими данными. Авторы представляют метрику для прогнозирования качества линейных обратных моделей, основанную на пространственной корреляции дисперсии в наборах данных для обучения и проверки.

 

Ссылка: https://agupubs.onlinelibrary.wiley.com/doi/full/10.1029/2022GL101656