La IA y los problemas difíciles del mundo · Ciencias de la Tierra y del clima · arXiv · 2026-10-21
Mejora de la variabilidad de la precipitación en el Community Atmosphere Model mediante la implementación de un esquema de convección profunda basado en redes neuronales
Título original: Improved Precipitation Variability in the Community Atmosphere Model through Implementation of a Neural-Network Deep Convection Scheme
Los esquemas de convección profunda siguen siendo una fuente principal de incertidumbre en los modelos climáticos globales, y reemplazarlos por alternativas basadas en datos manteniendo al mismo tiempo la consistencia física y la estabilidad numérica es un desafío abierto. Los autores presentan una configuración híbrida del CAM6 en la que una red neuronal profunda totalmente conectada, entrenada con salidas de grano grueso del modelo global que resuelve las tormentas, gSAM, para derivar los flujos y tendencias convectivas de subescala, reemplaza el esquema de convección profunda de Zhang-McFarlane, mientras que la radiación, la turbulencia y otros procesos de nubes permanecen sin cambios. La red funciona de manera estable durante más de una década conservando la energía y la humedad, produce una climatología ampliamente realista sin reajustar las parametrizaciones restantes, reduce notablemente los sesgos de precipitación débil y extrema, y desplaza el ciclo diurno de la precipitación sobre las tierras tropicales de un pico espurio al mediodía al pico observado a última hora de la tarde.