Исторические записи климатических полей часто скудны из-за отсутствующих измерений, особенно до внедрения крупномасштабных спутниковых миссий. Было введено несколько статистических и основанных на применении моделей методов для заполнения пробелов и реконструкции исторических записей. Здесь авторы используют недавно представленный обученный на выходных данных числовой климатической модели подход глубокого обучения, основанный на свёртках Фурье, для реконструкции исторических климатических полей. С использованием этого подхода можно реалистично реконструировать большие и нерегулярные области отсутствующих данных и воспроизводить известные исторические события, такие как сильные Эль-Ниньо или Ла-Нинья, с очень небольшим количеством заданной информации. Этот метод превосходит широко используемый метод статистического кригинга, а также другие недавние подходы машинного обучения. Модель обобщает до более высоких разрешений, чем те, на которых она обучалась, и может использоваться в различных климатических полях. Более того, она позволяет закрашивать маски, которые никогда ранее не встречались во время обучения модели.

 

Ссылка: https://www.science.org/doi/10.1126/sciadv.adp0558