俺去啦
天津市水资源与水环境要点践诺室沙健课题组近日在海外泰斗学术期刊Climate Dynamics上发表题为"A spatial weather generator based on conditional deep convolution generative adversarial nets (cDCGAN)"的斟酌论文。该斟酌初次建议了一种基于条款深度卷积生成抵抗收集(cDCGAN)的立异性空间天气发生器模子，可用于将大家景色时势(GCM)的低折柳率输出降程序到区域程序的高折柳率天气数据，为定量评估往时景色变化的区域影响提供要道时刻接济。
传统的GCM降程序措施存在不细目性分析才调不及的问题，难以充分揭示区域程序景色变化的时空分异特征。针对这一挑战俺去啦，斟酌团队建议了一种新颖的cDCGAN机器学习架构，哄骗卷积与反卷积神经收集构建生成器和判别器，并将GCM网格值动作条款变量引入，通过迭代生成多个可能的区域天气散布，据此评估模子输出的不细目性(如图1)。该模子克服了传统措施的局限性，对GCM降程序不细目性分析具有立异意旨。
图1 CDCGAN天气发生器模子架构
斟酌团队录取中国东北冷区、东部温带区、东南沿海亚热带区和西北高原区四个典型区域开展案例斟酌。哄骗cDCGAN模子，基于BCC-CSM2-MR大家景色时势输出，生成了2025-2100年四种分享社会经济旅途(SSP)状态下典型区域的每日高折柳率温度数据家具。通过系列测试统计和空间分析，证据了cDCGAN模子具有较高的精度和较小的不细目性，尤其在低海拔平原、热带地区等景色条款相对雄厚的区域进展出色。生成的高时空折柳率区域景色数据可径直应用于当地农业、水文、生态等范围的影响评估模子，为往时符合性搞定提供愈加精确的状态模拟。该斟酌为评估景色变化的区域影响提供了新念念路和新措施，有望成为环境搞定决议支执的有劲用具。
该斟酌取得国度要点研发辩论名目(2022YFC3202701)资助，由天津师范大学和清华大学的科研东说念主员合营完成。论文第一作家为天津师范大学沙健助理斟酌员，通信作家为天津师范大学李雪副斟酌员，天津师范大学为第一完成单元。
论文诱骗:https://doi.org/10.1007/s00382-023-06971-9
