Показано, что недавно разработанный подход к гибридному моделированию, сочетающий машинное обучение с моделью глобальной циркуляции атмосферы (AGCM), может служить основой для регистрации атмосферных процессов, не охватываемых AGCM. Качество этого подхода иллюстрируется тремя примерами из многолетнего эксперимента по моделированию климата. Первый пример демонстрирует, что гибридная модель может отразить внезапное стратосферное потепление, динамический природный процесс, не охватываемый AGCM низкого разрешения. Второй и третий примеры показывают, что введение кумулятивных шестичасовых осадков и температуры поверхности моря в качестве прогностических переменных на основе машинного обучения улучшает описание климатологии осадков и приводит к реалистичному сигналу ЭНЮК в температуре поверхности моря и атмосферном приземном давлении.

 

Ссылка: https://agupubs.onlinelibrary.wiley.com/doi/full/10.1029/2022GL102649