npj Climate and Atmospheric Science: Совместная модель суши и атмосферы на основе глубокого обучения для прогнозирования волн тепла
Экстремальные волны тепла усиливаются в условиях изменения климата, однако их прогнозирование по-прежнему ограничено недостаточным учётом взаимодействия суши и атмосферы (С–А). Большинство моделей погоды на основе глубокого обучения полагаются исключительно на атмосферные переменные, игнорируя влияние состояния поверхности суши на экстремальные температуры. Здесь представлена структура прогнозирования С–А для лета в Северном полушарии, которая включает многослойную влажность почвы и температуру в атмосферный прогноз. Для лучшего учёта отложенных обратных связей поверхности суши модель обучается с использованием многошаговой функции потерь. Такой подход улучшил представление взаимодействия С–А на временных интервалах от 1 до 7 дней. Использование многошаговой функции потерь позволило модели С–А повысить измеренную по среднеквадратичной ошибке точность прогнозирования волн тепла на 5,9–11,2% по сравнению с моделью, учитывающей только атмосферу, в то время как одношаговая функция потерь обеспечила улучшение лишь на 0,4–2,4%. Наибольший прирост точности прогнозов наблюдался на коротких временных интервалах (~3 дня), когда предсказуемость влажности почвы и циркуляции была высокой, и сохранялся в течение 7 дней благодаря связи С–А, обусловленной предсказуемостью влажности почвы. Исследования недавних периодов сильной жары дополнительно продемонстрировали способность прогнозирования учитывать высыхание поверхности земли и связанные с этим экстремальные температуры. Эти результаты подчёркивают важность включения связи С–А в многоступенчатую оптимизацию для совершенствования прогнозирования аномальной жары на основе данных.
