41 articoli
Questo studio valida l'accordo quantitativo tra le misurazioni coronografiche della luminosità del cielo vicino al Sole e le stime derivate dalle proprietà degli aerosol all'Osservatorio di Mauna Loa, fornendo un quadro metodologico esteso per l'analisi multidecennale della qualità del cielo coronale diurna.
Il documento presenta CarbonBench, il primo benchmark globale che utilizza oltre 1,3 milioni di osservazioni da 567 siti per valutare e confrontare sistematicamente le prestazioni dei modelli di apprendimento zero-shot nell'upscaling dei flussi di carbonio terrestri attraverso ecosistemi e climi diversi.
Il paper presenta TAM-RL, un nuovo framework che combina l'apprendimento di rappresentazioni spaziotemporali con vincoli fisici basati sull'equazione del bilancio del carbonio per migliorare significativamente l'accuratezza e la trasferibilità delle stime globali dei flussi di carbonio terrestre rispetto ai metodi esistenti.
Questo studio utilizza un algoritmo per eventi rari per dimostrare che gli stati estremi e persistenti del doppio getto estivo nell'emisfero settentrionale sono strettamente collegati a ondate di calore diffuse, caratterizzati da una specifica configurazione di anomalie di altezza geopotenziale e pressione che combina un'annulare mode positiva e un pattern quasi-onda-3.
Questo studio utilizza un bilancio globale dell'energia cinetica del vapore (VKE) per rivelare che l'intensificazione, il decadimento e la propagazione dei fiumi atmosferici sono governati da meccanismi fisici coerenti a livello globale, in particolare dalla conversione di energia potenziale in cinetica e dai flussi convergenti di energia cinetica del vapore.
Questo studio dimostra che la soluzione di problemi offline tramite un concorso Kaggle ha permesso di sviluppare parametrizzazioni ibride fisica-ML stabili e all'avanguardia per le simulazioni climatiche, superando le tradizionali sfide di instabilità online.
Il paper propone un modello di diffusione informato dalla fisica basato su Context-UNet per generare immagini satellitari sintetiche di eventi meteorologici estremi, superando la scarsità di dati reali e lo sbilanciamento delle classi attraverso l'uso di parametri atmosferici critici per migliorare i modelli di rilevamento ML.
Uno studio randomizzato dimostra che un approccio scalabile guidato dai dispatcher per evitare le scie di condensazione, integrato nelle operazioni di volo standard, riduce significativamente la formazione delle scie senza aumentare il consumo di carburante.
Lo studio quantifica l'aumento atteso dei valori di ritorno centennali delle temperature estreme nelle regioni desertiche entro il 2125, utilizzando modelli GEV bayesiani selezionati tramite il criterio BIC, che rivelano un incremento significativo dei massimi annuali, specialmente sotto scenari di forzatura climatica più severi.
Questo studio utilizza l'inferenza causale basata su dati satellitari per dimostrare che l'espansione dell'industria di lavorazione del nichel nel Parco Industriale di Morowali in Indonesia ha causato un significativo deterioramento della limpidezza delle acque costiere, con potenziali impatti negativi sugli ecosistemi marini tropicali.
Questo studio dimostra che l'apprendimento automatico può efficacemente parametrizzare i flussi verticali generati da processi mesoscalari delle medie latitudini, come le convezioni oblique e la dinamica frontale, evidenziando la necessità di informazioni verticalmente non locali per migliorare i modelli climatici a risoluzione globale.
Estendendo l'analisi dei dati fino al 2023, lo studio conferma che l'intensificazione reale dei cicloni tropicali è ora guidata non solo dalla diminuzione delle tempeste più deboli, ma anche da un aumento osservato di quelle più forti.
Utilizzando simulazioni ideali secche, lo studio dimostra come variazioni nella struttura del getto polare, in particolare uno spostamento verso nord, un allargamento e un aumento dell'altezza, accelerino l'intensificazione dei cicloni, ne favoriscano la fusione e predispongano l'atmosfera alla formazione di anticicloni persistenti, modulando così gli estremi meteorologici delle medie latitudini.
Questo studio presenta un quadro decisionale probabilistico che combina modelli di intelligenza artificiale con un modello statistico delle aspettative degli agricoltori per generare previsioni monsoniche più accurate, le quali sono state implementate con successo nel 2025 per fornire informazioni cruciali a 38 milioni di agricoltori indiani.
Questo studio combina osservazioni di una campagna sul campo e simulazioni numeriche ad alta risoluzione con il modello WRF per analizzare le caratteristiche dei venti di drenaggio notturni che escono dalla valle Isarco verso il bacino di Bolzano, evidenziando come la capacità del modello di riprodurre correttamente la stratificazione termica del bacino, influenzata dallo schema dello strato limite planetario, sia cruciale per simulare con precisione l'evoluzione e la traiettoria di questi venti.
Lo studio identifica la transizione verso uno strato limite advettivo durante l'inizio del monsone asiatico, un regime dinamico distinto in cui l'advezione meridionale sostituisce l'attrito nel bilancio della quantità di moto, con implicazioni fondamentali per la modellazione climatica e la variabilità monsonica.
Il paper presenta un framework di apprendimento di operatori non locali basato su kernel di integrazione guidati dai dati che, separando l'aggregazione delle informazioni non locali dalle previsioni non lineari locali, garantisce modelli interpretabili ed efficienti per la previsione delle precipitazioni del monsone sud-asiatico.
Utilizzando un modello climatico di complessità intermedia, lo studio rivela che la stabilità dell'AMOC è governata da uno stato al bordo caotico e da una crisi di confine indotta dal CO₂, spiegando così le grandi varianze di ensemble e le apparenti biforcazioni stocastiche osservate nei modelli climatici terrestri.
Espandendo un modello basato sullo smorzamento delle onde dovuto all'attrito tra ghiaccio e acqua, questo studio deriva una soluzione analitica che spiega la decrescita non esponenziale dell'energia delle onde osservata nel ghiaccio marino antartico in deriva, superando i paradigmi teorici tradizionali.
Il paper introduce DAISI, un algoritmo di assimilazione dei dati scalabile basato su modelli generativi a flusso che, sfruttando un prior pre-addestrato e un'inversione di campionamento, supera le limitazioni delle approssimazioni gaussiane nei sistemi dinamici complessi e non lineari.