.png){kind=icon}
返回
Upscaling Snow Accumulation and Ablation Using Machine Learning
.png){kind=icon}
OA
AI
DOI：10.1029/2024WR039342.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
融雪主导系统中的水文过程 traditionally 测量和理解在点尺度上。然而，融雪、升华和降雪速率在较大景观中表现出显著的空间变异性。这些变化受局部大气和地形特征影响，这些特征控制了小尺度测量与区域平均响应之间的偏差，这些响应是对空间异质性质量和能量输入的响应。需要适当的尺度放大关系，将雪过程的小尺度描述转化为适用于更大尺度的本构关系。作为概念验证，本研究使用机器学习方法，研究了加拿大落基山脉流域中升华和融雪通量的时空变异性。水文模型 Raven 生成高分辨率的通量和状态变量，用于训练随机森林算法。然后应用随机森林（RF）算法来估计粗分辨率通量。本研究涉及在不明确了解详细局部响应的情况下，从离散化的精细尺度模型中估计空间平均结果，包括使用和不使用状态低阶统计量（例如雪水当量的标准差）。一系列实验用于验证尺度放大方法能否成功代表系统内异质性的影响。然后，将尺度适宜的机器学习模型估计的空间平均强迫量纳入粗分辨率的质量平衡方程中，以证明这种尺度放大方法的有效性。
Keyword:
upscaling
machine learning
snow
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:
5
论文数:
862
被引数:
6.9W
机构
引用论文
Stable machine-learning parameterization of subgrid processes for climate modeling at a range of resolutions.png)
NATURE COMMUNICATIONSOAAI
NATURE COMMUNICATIONSIF15.7
OAAI分享收藏Comparing a long short-term memory (LSTM) neural network with a physically-based hydrological model for streamflow forecasting over a Canadian catchmentJOURNAL OF HYDROLOGYOAAI
JOURNAL OF HYDROLOGYIF6.3
OAAI分享收藏
Real-time reservoir operation using recurrent neural networks and inflow forecast from a distributed hydrological model使用递归神经网络和分布式水文模型的入流预测进行实时水库调度JOURNAL OF HYDROLOGY
JOURNAL OF HYDROLOGYIF6.3
PREAI
分享收藏
查看更多内容