.png){kind=icon}
返回
Interactive Climate Projection via Conditional Generative AI
.png){kind=icon}
OA
AI
DOI：10.1029/2026GL123578.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
动态地球系统模型成本极高，进行世纪尺度的模拟需约10^6核心小时。这限制了气候预测仅能涵盖少数共享社会经济路径（SSPs），导致众多政策轨迹未被探索。本研究开发了一种外部强迫边界约束的生成式模拟器，基于CMIP6模型输出进行训练，能够快速预测不同CO2强迫路径下的温度、降水和海表高度。该模型通过物理边界（由SSP1-1.9和SSP5-8.5两个极端情景定义）学习未来气候状态的连续流形，并能在训练中未使用的路径（如SSP2-4.5）下重建气候响应。研究进一步将其应用于四种新构建的CO2路径（高排放、低排放、超调及阶跃变化），以验证其在不同强迫条件下的泛化能力。该模拟器能够捕捉极端事件和阈值触发时间的区域变化。模拟器显著降低了计算需求，并提供了一个高通量、用户驱动的平台，用于评估灵活的减缓策略。
Keyword:
climate projection
conditional generative model
CO₂ forcing
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
4.6
论文数:
2.5K
被引数:
13.6W
机构
引用论文
分享收藏Pattern scaling using ClimGen: monthly-resolution future climate scenarios including changes in the variability of precipitation使用ClimGen的模式缩放: 每月分辨率的未来气候情景，包括降水变化的变化OAAI
OAAI分享收藏Emissions Gap Report 2023: Broken Record – Temperatures hit new highs, yet world fails to cut emissions (again)排放差距报告2023: 破纪录-温度创下新高，但世界未能减少排放 (再次).png)
OAAI
IF0
OAAI分享收藏Uncertainties in the Projection of Dynamic Sea Level in CMIP6 and FGOALS-g3 Large EnsembleCMIP6和FGOALS-g3大型合奏中动态海平面预测的不确定性
PREAI
分享收藏Overview of the Coupled Model Intercomparison Project Phase 6 (CMIP6) experimental design and organization耦合模型比对项目第六阶段 (CMIP6) 实验设计和组织概述OAAI
OAAI分享收藏The shared socio-economic pathway (SSP) greenhouse gas concentrations and their extensions to 2500共享社会经济途径 (SSP) 温室气体浓度及其对2500的扩展OAAI
OAAI分享收藏LUCIE: A Lightweight Uncoupled Climate Emulator With Long-Term Stability and Physical ConsistencyLUCIE：一个具有长期稳定性和物理一致性的轻量级解耦气候模拟器OAAI
OAAI分享收藏
查看更多内容