Emulating the South Asian Atmospheric Variations: Framework and Inter-Comparison of Deep Learning Models
Diese Studie präsentiert ein Deep-Learning-Framework, das erfolgreich hochauflösende südasiatische atmosphärische Variationen, einschließlich meteorologischer Felder und Ozon, emuliert, indem vier verschiedene Architekturen auf WRF-Chem-Daten trainiert wurden, wobei das UNet-3blk-Modell trotz der Herausforderungen bei der Reproduktion der PM2,5-Variabilität die optimale Leistung erzielte.