Искусственный интеллект для климатического прогнозирования экстремальных явлений: современное состояние, проблемы и перспективы
Artificial intelligence for climate prediction of extremes: State of the art, challenges, and future perspectives
2024-09-03
SCID: 54.1/r9ajpzg8
Discuss with AI
искусственный интеллекткаузальное обнаружениеклиматическое прогнозированиеобъяснимый искусственный интеллектпрогнозирование экстремальных явлений
Figures from the paper
Abstract (AI)
Экстремальные явления, такие как волны жары и холода, засухи, сильные дожди и штормы, особенно трудно точно прогнозировать из-за их редкости и хаотической природы, а также ограничений моделей. Однако недавние исследования показали, что может существовать системная предсказуемость, которая пока не используется; ее применение могло бы удовлетворить потребность в надежных прогнозах агрегированных показателей экстремальных погодных явлений на временных масштабах от нескольких недель до нескольких десятилетий. В последнее время многочисленные исследования посвящены применению искусственного интеллекта (ИИ) для изучения предсказуемости и составления климатических прогнозов. Методы ИИ продемонстрировали значительный потенциал для повышения качества прогнозирования экстремальных явлений и выявления их связей с крупномасштабными и локальными факторами. Для улучшения прогнозирования изучались методы машинного и глубокого обучения, тогда как методы выявления причинных связей и объяснимый искусственный интеллект проверялись с целью углубления понимания процессов, лежащих в основе предсказуемости. Гибридные прогнозы, объединяющие ИИ, способный выявлять неизвестные пространственно-временные связи в данных, с климатическими моделями, обеспечивающими теоретическую основу и интерпретируемость физических процессов, показали, что повышение точности прогнозирования экстремальных явлений на климатически значимых временных масштабах возможно. Однако сохраняются многочисленные проблемы, затрагивающие различные аспекты, включая подготовку и курирование данных, неопределенность моделей, обобщаемость, воспроизводимость методов и рабочих процессов. В настоящем обзоре рассматриваются достижения и проблемы применения методов ИИ для улучшения прогнозирования экстремальных явлений на временных масштабах от субсезонного до декадного. Определены несколько передовых практик, способствующих повышению доверия к этим новым методам, а также намечены перспективы их дальнейшего научного развития. Статья относится к следующим категориям: «Климатические модели и моделирование» > «Генерация знаний с помощью моделей»; «Социальный статус знаний об изменении климата» > «Климатология и принятие решений».
Key Findings
1
Каузальное обнаружение и объяснимый искусственный интеллект помогают выявлять и интерпретировать процессы, лежащие в основе предсказуемости.
2
Прогнозирование экстремальных явлений затруднено из-за их редкости, хаотической природы и ограничений существующих климатических моделей.
3
Гибридные подходы, объединяющие ИИ с физически обоснованными климатическими моделями, демонстрируют возможность повышения точности прогнозов на климатически значимых временных масштабах.
4
Ключевые нерешённые проблемы включают подготовку данных, неопределённость моделей, обобщаемость, воспроизводимость и создание надёжных научных рабочих процессов.
5
Методы машинного и глубокого обучения способны улучшать прогнозирование экстремальных явлений и выявлять их связи с крупномасштабными и локальными факторами.
6
Недавние исследования показывают наличие системной предсказуемости экстремальных явлений, которую можно использовать для надёжных агрегированных прогнозов на субсезонных и декадных масштабах.
Research Object
Экстремальные климатические и погодные явления, включая волны жары, периоды сильных холодов, засухи, сильные дожди и штормы
Research Subject
Их предсказуемость и прогнозирование на субсезонных и декадных временных масштабах, включая связи с крупномасштабными и локальными факторами и лежащие в основе процессы
Publication Details
Publication Date
2024-09-03
Journal
Publisher
ISSN
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest