Atmosphere: Прогноз площади морского льда с помощью методов машинного обучения и субрегионального анализа в Арктике
Сокращение морского льда в арктическом регионе является важным индикатором быстрого глобального потепления и может также влиять на процессы обратной связи в Арктике, поэтому прогнозирование протяжённости и толщины морского льда играет важную роль в моделировании и предсказании климата. В этой статье используются методы машинного обучения для прогнозирования протяжённости морского льда, и путём корректировки методов и факторов, включающих климатические переменные, протяжённость морского льда в прошлом, а также смоделированную с помощью простой линейной регрессии, авторы нашли наилучшие комбинации, чтобы получить результат с наивысшим значением R2. Они заметили, что с более длительными периодами прошлых данных о площади морского льда и более короткими периодами климатических данных результаты оказались лучше. Это может быть связано с разницей в памяти климата и океана. Прогноз площади морского льда в субрегионах показывает, что районы с круглогодичным ледовым покровом прогнозировать легче, и что регионы с внезапными изменениями погоды и значительной сезонной изменчивостью, по-видимому, имеют более низкие показатели R2 при прогнозировании площади морского льда.
