41 papers
Dit artikel introduceert een hybride ensemblevoorspellingssysteem dat fysiek gebaseerde en machine-learning-modellen combineert via spectrale nudging, wat leidt tot aanzienlijke verbeteringen in de voorspellingskwaliteit voor grote schaalpatronen, tropische cyclonen en nabijgrondse parameters.
Hoewel AI veelbelovend is voor klimaatwetenschap, riskeert de huidige ontwikkeling, die gedomineerd wordt door het Noordelijke halfrond en gebaseerd is op onvolledige data, de bestaande ongelijkheden te versterken, wat een fundamentele verschuiving vereist naar data-gedreven ontwikkeling, digitale publieke infrastructuur en gezamenlijke kennisproductie om echte weerbaarheid te waarborgen.
De auteurs presenteren een open-source dynamisch model dat de abiotische zwavelcyclus op aarde-achtige planeten simuleert en aantoont dat het ontbreken van microbieel metabolisme leidt tot een aanzienlijk andere verdeling van zwavel in mariene sedimenten, met name een veel hogere concentratie sulfaten en een veel lagere concentratie sulfiden dan op de huidige aarde.
Deze studie toont aan dat het gebruik van machine learning voor mesh-beweging (UM2N) in niet-hydrostatische tsunami-simulaties de rekentijd aanzienlijk verkort terwijl de nauwkeurigheid behouden blijft, wat essentieel is voor efficiënte probabilistische kustgevaar-beoordeling.
Hoewel het AI-weermodel Aurora uitstekende prestaties laat zien bij het voorspellen van weerextremen op korte termijn (1-7 dagen), neemt de nauwkeurigheid voor de intensiteit van deze gebeurtenissen na 7-10 dagen sterk af en convergeert het model naar klimaatnormen, wat aantoont dat de voorspelbaarheidsgrens voor dergelijke AI-modellen wordt bepaald door de intrinsieke dynamiek van de atmosfeer.
Dit artikel toont aan dat het gebruik van hogere-orde tijdsintegratiemethoden, gebaseerd op Runge-Kutta-methoden met adaptieve tijdstappen, de nauwkeurigheid en efficiëntie van regenmicrofysica in het E3SMv3-model aanzienlijk verbetert ten opzichte van de huidige eerste-orde benadering, waardoor de rekentijd met meer dan een factor 10 wordt verminderd.
Dit onderzoek combineert genetische analyses met Lagrangiaanse dynamica om aan te tonen dat de Oost-Pacifische Barrière een beperkte, maar bestaande, permeabiliteit bezit voor koraallarven van de Line-eilanden naar Clipperton Atoll, waarbij deze verbinding voornamelijk wordt gestuurd door de seizoensgebonden variatie van de Noord-Equatoriale Tegenstroom en niet door ENSO.
Dit paper introduceert EnsAI, een op kunstmatige intelligentie gebaseerd systeem dat atmosferische ensemblevoorspellingen voor ammoniak 3.300 keer sneller genereert dan het traditionele GEM-MACH-model, terwijl het nauwkeurige meteorologische kenmerken behoudt en aanzienlijke rekenkracht bespaart voor emissie-inversies.
Dit onderzoek toont aan dat hydrodynamische uitstromen van waterstofrijke dampen uit de proto-maan schijf, veroorzaakt door H2-recombinatie, de selectieve verwijdering van vluchtige elementen verklaren die leiden tot het waargenomen chemische verschil tussen de Aarde en de Maan.
Dit artikel rapporteert de eerste definitieve detectie van het koolstofmolecuul C3 in Titan's atmosfeer met behulp van de ultra-hoge resolutie VLT-ESPRESSO, waarbij een kolomdichtheid van ongeveer 1,5 × 10¹³ cm⁻² wordt vastgesteld die overeenkomt met voorspellingen van fotochemische modellen.
Deze paper introduceert Latente Data-assimilatie (LDA), een machine learning-gebaseerd raamwerk dat Bayesiaanse data-assimilatie uitvoert in een latente ruimte om fysiek consistente en robuuste atmosferische analyses te genereren die de prestaties van traditionele methoden overtreffen.
Dit artikel beschrijft experimenten en theorie die aantonen dat interactie tussen oppervlaktegolven en onderliggende turbulentie een Euleriaanse gemiddelde stroming genereert die de Stokes-drijfwerking nabij het wateroppervlak tegengaat, een proces dat wordt verklaard door een statistisch model en gevolgen heeft voor het transport van materiaal in de oceanen.
Dit artikel breidt een bestaand theoretisch model voor de demping van golven door gebroken ijs met willekeurige dikte uit naar water van eindige diepte, waarbij een expliciete uitdrukking voor demping wordt afgeleid die goed overeenkomt met numerieke simulaties en een frequentie-afhankelijk dempingsgedrag voorspelt dat relevant is voor veldmetingen.
Dit rapport toont aan dat Datawell Waverider-buoy's systematisch hogere energie-niveaus rapporteren voor het hoogfrequente deel van het golfspectrum (0,2–0,6 Hz) dan andere buoy-types, wat een zorg wekt voor de nauwkeurigheid en consistentie van operationele golfmodellen.
Deze studie toont aan dat de sterkte van ENSO onder invloed van broeikasgassen eerst tijdelijk toeneemt door versterkte stratificatie en vervolgens afneemt door een verzwakte Walker-circulatie, een proces dat met succes kan worden voorspeld door een efficiënt traag-lineair model dat uitsluitend gebaseerd is op de mondiale gemiddelde zeewateroppervlaktetemperatuur en haar geschiedenis.
Deze studie analyseert met behulp van een hiërarchie van klimaatmodellen hoe nabij de grond optredende extreme winden reageren op klimaatveranderingen en concludeert dat hoewel extratropische stormen robuust intensiveren, regionale projecties voor landgebieden sterk onzeker blijven door fundamentele verschillen in de modellering van weersystemen.
Deze studie toont aan dat verhoogde wrijving en turbulente menging door het bergachtige terrein van Jamaica een groot deel van de snelle verzwakking van orkaan Melissa (2025) verklaren, hoewel asymmetrische dynamiek en thermodynamische feedbacks de afname verder versterken.
Deze studie ontwikkelt een op convolutionele neurale netwerken gebaseerd deep learning-framework om automatisch golfstructuren in de mesosfeer te detecteren en statistisch te analyseren, waardoor inzicht wordt verkregen in de onderliggende dynamische instabiliteiten en de potentie van kunstmatige intelligentie voor atmosferisch onderzoek.
Dit paper introduceert een data-gedreven methode voor klimaatverfijning op basis van stochastische interpolanten die goedkope, nauwkeurige regionale klimaatscenario's genereert vanuit grove globale modellen, waardoor de rekenkosten aanzienlijk lager zijn dan bij traditionele regionale klimaatmodellen.
Deze paper introduceert een nieuwe ensemble Kalman-filterbenadering die spurious correlaties inherent aanpakt door de analyse-kansverdeling lokaal te benaderen via variational Bayesian optimalisatie, waardoor de noodzaak voor handmatige lokalisatie wordt geëlimineerd en vergelijkbare prestaties worden behaald met standaard EnKF en ETKF-methoden.