学习资源 | NOAA连接AI与环境科学(十二)—AI/ML在模型参数化中的应用

背景动机

AI，机器学习/深度学习技术（包括深层神经网络，DNN）在许多领域和应用中取得了很大的进展，包括医药、自动驾驶、社交媒体、金融工业等。在私有领域，人工智能的准确性和可用性方面的惊人增长具有显著意义。人工智能在气象学和海洋学领域也取得了显著的进展。然而，直到最近，在环境科学领域只有很少的AI应用开发工作。 令人鼓舞的是，AI在这些领域的应用在不断增加，而且取得了令人鼓舞的结果，其中包括预测技能。随着卫星数据的不断增加以及社会依赖的增加，将会持续改善预报准确率和精度。来自高分辨率卫星和传感器，一系列新传感器，以及物联网背景下新观测设备的数据不断增加。这些数据的增加将给这些数据的应用带来极大的挑战，AI已经成为潜在的解决技术。

主要内容

1. 通过粗粒度实现基于机器学习的湿度物理参数化。
2. 利用在线序列极限学习机进行预测。
3. 利用机器学习技术在能量级外地球系统模型中表示气溶胶与云的相互作用。
4. 在最新的GCM中用神经网络对辐射传输参数进行模拟。

资源获取

第十二期的视频资料及PPT获取，好奇心Log公众号后台回复NOAA12

Python地图可视化三大秘密武器

ECMWF-ESA:面向地球系统观测和预测的机器学习

为什么学海洋/气象/环境的要往机器学习/人工智能/大数据方向蹭

气象绘图教程合集