半干旱冰冻圈雪情可解释机器学习预测框架:技能评估与气候敏感性局限性分析
《Water》:CryoSENSE-HK: Explainable Lead-Time Forecasting of ERA5-Land Snow State, Bounded by Station and Physically Based References (Hakkari, Türkiye)
【字体:
大
中
小
】
时间:2026年09月25日
来源:Water 3.5
摘要
在土耳其哈卡里省的塞洛-萨特半干旱冰冻圈区域,山地积雪是主要的淡水储备,而稀疏的地面观测网络使得重分析产品成为唯一实用的数据来源。本研究提出CryoSENSE-HK,一个可解释的机器学习框架,用于提前一至三十天预测ERA5-Land的雪盖、雪水当量和融雪量。每个预测变量均在发布日或发布日之前观测,特征排序仅使用训练数据,留出时段仅使用一次。该框架在三十天尺度上重现重分析结果的留出期决定系数分别为0.93、0.91和0.73,并在针对八种参考预报的80次分块自助配对检验中,在77次中表现更优。但与地面实况的吻合度明显较弱。站点记录表明,重分析数据所载雪深为观测值的两到四倍,卫星反演则显示其在融雪季的雪盖偏高。该产品的月度简化模拟器对变暖的响应远弱于基于物理机制的参考方案:每升温1摄氏度,雪水当量减少5.4%,而度日平衡法为21.3%,CMIP6雪场为23.4%。在重分析产品内部衡量的技巧与产品本身一致,而非与雪盖一致;此类框架在用于情景驱动研究之前,需要对其气候敏感性进行独立验证。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号