Nature Scientific Reports: Использование глубокого обучения для прогнозирования местного микроклимата с помощью глобальных климатических данных
Микроклимат – сложное нелинейное явление, на которое влияют как глобальные, так и локальные процессы. Его понимание играет ключевую роль в управлении природными ресурсами и оптимизации сельскохозяйственных процедур. Это явление можно эффективно отслеживать на локальных территориях, используя модели, объединяющие физические законы и алгоритмы, основанные на климатических данных и конформации местности. Климатические данные можно получить с близлежащих метеорологических станций, если таковые имеются, но в их отсутствие часто используются глобальные наборы климатических данных, описывающие территории масштабом 10 км. Настоящее исследование представляет инновационную модель микроклимата, которая сочетает в себе физические законы и глубокое обучение для воспроизведения изменений температуры и относительной влажности в метровом масштабе в пределах исследуемой территории, расположенной в предгорьях Ломбардии. Модель используется для проведения сравнительного исследования, чтобы выяснить, снижает ли использование набора глобальных климатических данных ERA5 в качестве входных данных точность модели при воспроизведении изменений микроклимата по сравнению с использованием данных, собранных Региональным агентством по охране окружающей среды Ломбардии с близлежащей метеорологической станции. Сравнительный анализ показывает, что использование местных метеорологических данных в качестве входных данных обеспечивает более точные результаты моделирования микроклимата. Однако в ситуациях, когда местные данные недоступны, использование глобальных климатических данных остаётся жизнеспособным и надёжным подходом.
