- 推进森林防火:深度强化学习用于有效的防火隔离区布置
应用深度强化学习技术解决森林火线设置等复杂问题,以防止大规模野火的发生,具有重要意义和广阔前景。
- 基于时空深度神经网络的季节性火灾预测
利用机器学习进行深度学习模型的季节性火灾预报,研究发现在全球范围内,考虑更长时间序列和整合空间信息可以提高火灾预测性能,并建议在更长的预测时限内考虑更大的空间范围以提高预报准确性。
- 地球系统模型降水的条件扩散模型用于降尺度与偏差修正
气候变化加剧了如大雨和洪水等极端天气事件。本文提出了一种新的机器学习框架,用于同时进行偏差校正和下尺度处理。通过在观测数据上训练生成性扩散模型,并对观测和地球系统模型数据进行映射,我们的方法能够纠正任何地球系统模型的地理要素,确保了统计质量 - ICLR利用机器学习提升地下氢能储存的清洁能源韧性
为了应对紧迫的气候变化挑战,急需从化石燃料转向可持续能源系统,其中可再生能源发挥着关键作用。然而,可再生能源的固有变动性没有有效的储能解决方案,经常导致能源供需失衡。地下氢储存(UHS)作为一种有前景的长期储存解决方案,其广泛实施受到与高保 - ICLR利用遥感和机器学习进行最不发达国家的暴露和物理脆弱性动态全球绘图
以机器学习和遥感监测为基础,该研究致力于利用 Sentinel-1 SAR GRD 和 Sentinel-2 Harmonized MSI 等公开数据,对 47 个国家(大多数为最不发达国家)进行全球灾害风险评估,以推动减少全球气候和灾害风 - 气候下尺度化:基于深度学习的降水数据超分辨率模型,带有注意力块和跳跃连接
通过使用深度卷积神经网络和其他技术,将低分辨率的降水数据降尺度为高分辨率的数据,以追踪降水并提高气候下缩放模型的预测准确性。
- ICLRClimateQ&A: 架起气候科学家与大众之间的沟通桥梁
该研究通过分析 ClimateQ&A 平台所问的问题,调查了公众对气候变化和生物多样性丧失的观点。研究发现,25.8% 的问题询问气候变化和生物多样性丧失对个人(例如居住地、度假地和消费习惯)以及个人行为(例如交通或食物选择)的具体影响。这 - ICLR物种分布建模中的平衡意识存在性损失函数
本研究评估了在基于大规模公众科学数据集上使用平衡的存在性损失函数训练深度学习模型的效果,证明这种处理数据不平衡的损失函数在各种数据集和任务中优于传统损失函数,特别是在精确建模稀有物种和有限观察情况下。
- 用于极端降尺度气候数据的生成对抗模型
使用基于生成对抗网络 (GANs) 的有条件 GAN 的 geospatial downscaling 方法,从低分辨率输入中生成高分辨率准确的气候数据集,并明确考虑了下尺度过程中的不确定性。
- 新西兰温室气体清单的动态预测
通过机器学习方法预测新西兰国家温室气体排放量的动态变化,得出国家总排放量 20 年以来下降 0.2% 的结果,这种方法为政策制定者提供了一个较低误差的子年度温室气体排放估计的概念证明。
- WildfireGPT: 针对火灾分析定制的大型语言模型
WildfireGPT 是一个使用大规模语言模型的原型代理软件,为决策者和政策制定者提供有关野火风险的详细、用户特定的见解,其中包括大规模语言模型、野火细节、气候变化、可操作见解和野火风险。
- GeoFormer:基于视觉和序列变换的温室气体监测方法
通过结合视觉转换器模块和高效的时间序列转换器模块,GeoFormer 模型在预测地表二氧化氮(NO2)浓度方面取得了高准确度(MAE 5.65),证明了使用卫星数据进行增强温室气体排放洞察力的有效性,对于推进全球气候变化监测和排放调控工作具 - 气候变化下热带气旋强度和能量极端的深度学习揭示
利用深度学习方法和数据集,对热带气旋的结构和能量进行了综合评估,发现过去几十年中,主要热带气旋的比例增加了约 13%,极高能量热带气旋的比例增加了约 25%,高能量热带气旋的总能量也呈现上升趋势,进一步证实了气候变化对热带气旋的影响。
- 千面灌木:基于深度学习的卫星图像个体分割
利用遥感图像和基于 Mask R-CNN 的实例分割模型,个别划定高山和高纬度生态系统中杜松灌木树线上的位置,以监测气候变化对其产生的长期影响。通过新型的数据构建设计和基于多重交叉的地面真实区域度量,有效地克服了传统实地调查方法存在的局限, - 通过迁移学习管理家庭垃圾
通过研究垃圾分类中各种迁移学习模型的性能和计算碳排放,我们发现 EfficientNetV2S 是最可持续和准确的模型,其准确率高达 96.41%。这项研究强调了考虑机器学习模型在垃圾分类中的生态影响的重要性。
- 一个在线的分层能源管理系统,符合当前技术法律框架
为了降低成本并推动本地可再生能源利用,本文基于欧盟技术指导,综合在线分层 EMS,并通过混合模糊推理系统 - 遗传算法模型和 LSTM 预测,实现智能电网中可再生能源社区成本最小化,并超越自给自足策略,实现 20% 的节约。
- ClimateGPT:AI 综合气候变化跨学科研究
该论文介绍了 ClimateGPT,这是一种专门用于综合气候变化领域的大型语言模型家族。该模型通过对科学导向的 3000 亿个标记数据集进行两次自训练,其中第一次自训练中包括 42 亿个领域特定的标记,并且第二次自训练则在预训练之后通过为气 - 基于物理信息的机器学习模型用于时变波浪涌浪预测
为了有效地进行沿海工程设计和管理,本研究提出了一种基于物理知识的机器学习方法,用于高效准确地模拟波浪涌浦时间序列。该方法将 Surfbeat(XBSB)模式的计算效率与 XBeach 模型中非静力学(XBNH)模式的准确性相结合,通过条件生 - 利用自然语言处理技术分析气候变化对区域的影响
利用自然语言处理技术 (NLP) 对大量的客观科研文章和研究进行分析是理解气候变化的多方面影响在各地的关键,使得我们能够从中提取和处理关于特定地区气候变化影响的关键信息。通过使用 BERT (Bidirectional Encoder Re - 自监督视觉在气候尺度调整中的应用
使用深度学习模型进行 Earth System Models 的降尺度模拟,该方法不需要高分辨率真实数据,具有优越的性能和广泛应用于气候研究的潜力。