Identifying Three-Dimensional Radiative Patterns Associated with Early Tropical Cyclone Intensification

要約

雲の放射フィードバックは初期の熱帯低気圧 (TC) の発達に影響を与えますが、既存の診断フレームワークには限界があるため、非対称または過渡的な放射加熱の研究には適していません。
我々は、放射線と現実的にシミュレートされたTCの表面強度との間の隠れた関係を学習するために、線形変分エンコーダ-デコーダ(VED)を提案します。
VED モデルの入力を制限すると、その不確実性を利用して、放射線の強度がより重要になる期間を特定できます。
抽出された 3D 放射構造を詳しく調べると、内核の深い対流と浅い雲からの長波放射強制力が両方とも強化に寄与し、全体的に最も大きな影響を与えるのは深い対流であることが示唆されています。
我々は、浅い雲の風下にある深い対流が海塩の激化に重要であることを発見した。
私たちの研究は、機械学習が軸対称または決定論的な仮定に依存せずに熱力学と運動学の関係を発見できることを実証し、現実的な条件で TC の強化につながるプロセスの客観的な発見に向けた道を開くものです。

要約(オリジナル)

Cloud radiative feedback impacts early tropical cyclone (TC) intensification, but limitations in existing diagnostic frameworks make them unsuitable for studying asymmetric or transient radiative heating. We propose a linear Variational Encoder-Decoder (VED) to learn the hidden relationship between radiation and the surface intensification of realistic simulated TCs. Limiting VED model inputs enables using its uncertainty to identify periods when radiation has more importance for intensification. A close examination of the extracted 3D radiative structures suggests that longwave radiative forcing from inner core deep convection and shallow clouds both contribute to intensification, with the deep convection having the most impact overall. We find that deep convection downwind of the shallow clouds is critical to the intensification of Haiyan. Our work demonstrates that machine learning can discover thermodynamic-kinematic relationships without relying on axisymmetric or deterministic assumptions, paving the way towards the objective discovery of processes leading to TC intensification in realistic conditions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google