AI与世界难题 · 地球与气候科学 · arXiv · 2026-10-21
通过实施神经网络深对流方案改进社区大气模式的降水变率
原标题: Improved Precipitation Variability in the Community Atmosphere Model through Implementation of a Neural-Network Deep Convection Scheme
深对流方案仍然是全球气候模型不确定性的一个主要来源，在保持物理一致性和数值稳定性的同时用数据驱动的替代方案取代它们，仍是一个悬而未决的挑战。作者提出了一种混合CAM6配置，其中一个全连接深度神经网络在风暴解析全球模型gSAM的粗粒化输出上训练，用于推导次网格尺度对流通量和倾向，以取代Zhang-McFarlane深对流方案，同时辐射、湍流和其他云过程保持不变。该网络在守恒能量和水汽的同时稳定运行超过十年，在无需重新调整其余参数化方案的情况下产生了大体符合实际的气候态，显著减小了弱降水和极端降水的偏差，并将热带陆地降水的日循环从虚假的正午峰值转变为观测到的下午晚些时候的峰值。