Decadal Temperature Prediction via Chaotic Behavior Tracking

要約

タイトル：カオス行動追跡を通じた10年間気温予測

要約：

– 10年間の気温予測は、将来の気候変動の影響を量化するための重要な情報を提供し、様々な分野での戦略的計画や意思決定に役立ちます。
– しかし、気温変動のカオス性のために、このような長期的な予測は非常に困難です。
– さらに、既存のシミュレーションベースや機械学習ベースの方法は、初期シミュレーションまたは予測エラーが時間とともに指数関数的に増加するため、このタスクに対して有用ではありません。
– この困難なタスクに対処するために、情報追跡メカニズムを組み込んだ新しい予測方法を考案しました。このメカニズムは、現在の予測に基づいて次のステップの予測エラーに対する確率的フィードバックを提供することで、予測段階中の気温ダイナミクスの変化を追跡し適応することを目的としています。
– この情報追跡メカニズムを、モデルキャリブレーターと考えることができる目的関数に統合して、エラー蓄積を回避するために必要な訂正を得ました。
– 結果から、この方法による世界の陸地温度の10年間の予測精度を示しました。
– さらに、予測結果は現実世界の文脈で意味があることが示されました。この方法を使用して予測した温度は、異なる大陸内外のよく知られたテレコネクションを説明するために使用できます。

要約(オリジナル)

Decadal temperature prediction provides crucial information for quantifying the expected effects of future climate changes and thus informs strategic planning and decision-making in various domains. However, such long-term predictions are extremely challenging, due to the chaotic nature of temperature variations. Moreover, the usefulness of existing simulation-based and machine learning-based methods for this task is limited because initial simulation or prediction errors increase exponentially over time. To address this challenging task, we devise a novel prediction method involving an information tracking mechanism that aims to track and adapt to changes in temperature dynamics during the prediction phase by providing probabilistic feedback on the prediction error of the next step based on the current prediction. We integrate this information tracking mechanism, which can be considered as a model calibrator, into the objective function of our method to obtain the corrections needed to avoid error accumulation. Our results show the ability of our method to accurately predict global land-surface temperatures over a decadal range. Furthermore, we demonstrate that our results are meaningful in a real-world context: the temperatures predicted using our method are consistent with and can be used to explain the well-known teleconnections within and between different continents.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI