Loading [MathJax]/jax/output/CommonHTML/config.js
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >学习资源 | NOAA连接AI与环境科学(十二)—AI/ML在模型参数化中的应用

学习资源 | NOAA连接AI与环境科学(十二)—AI/ML在模型参数化中的应用

作者头像
郭好奇同学
发布于 2020-10-15 01:53:59
发布于 2020-10-15 01:53:59
1.1K0
举报
文章被收录于专栏:好奇心Log好奇心Log

背景动机

AI,机器学习/深度学习技术(包括深层神经网络,DNN)在许多领域和应用中取得了很大的进展,包括医药、自动驾驶、社交媒体、金融工业等。在私有领域,人工智能的准确性和可用性方面的惊人增长具有显著意义。人工智能在气象学和海洋学领域也取得了显著的进展。然而,直到最近,在环境科学领域只有很少的AI应用开发工作。 令人鼓舞的是,AI在这些领域的应用在不断增加,而且取得了令人鼓舞的结果,其中包括预测技能。随着卫星数据的不断增加以及社会依赖的增加,将会持续改善预报准确率和精度。来自高分辨率卫星和传感器,一系列新传感器,以及物联网背景下新观测设备的数据不断增加。这些数据的增加将给这些数据的应用带来极大的挑战,AI已经成为潜在的解决技术。

主要内容

  1. 通过粗粒度实现基于机器学习的湿度物理参数化。
  2. 利用在线序列极限学习机进行预测。
  3. 利用机器学习技术在能量级外地球系统模型中表示气溶胶与云的相互作用。
  4. 在最新的GCM中用神经网络对辐射传输参数进行模拟。

资源获取

第十二期的视频资料及PPT获取,好奇心Log公众号后台回复NOAA12

Python地图可视化三大秘密武器

ECMWF-ESA:面向地球系统观测和预测的机器学习

为什么学海洋/气象/环境的要往机器学习/人工智能/大数据方向蹭

气象绘图教程合集


本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2020-10-07,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 好奇心Log 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
学习资源 | NOAA连接AI与环境科学(十一)—降水、雷电、山洪、气溶胶等13个实际应用
AI,机器学习/深度学习技术(包括深层神经网络,DNN)在许多领域和应用中取得了很大的进展,包括医药、自动驾驶、社交媒体、金融工业等。在私有领域,人工智能的准确性和可用性方面的惊人增长具有显著意义。人工智能在气象学和海洋学领域也取得了显著的进展。然而,直到最近,在环境科学领域只有很少的AI应用开发工作。 令人鼓舞的是,AI在这些领域的应用在不断增加,而且取得了令人鼓舞的结果,其中包括预测技能。随着卫星数据的不断增加以及社会依赖的增加,将会持续改善预报准确率和精度。来自高分辨率卫星和传感器,一系列新传感器,以及物联网背景下新观测设备的数据不断增加。这些数据的增加将给这些数据的应用带来极大的挑战,AI已经成为潜在的解决技术。
郭好奇同学
2020/10/15
5120
学习资源 | NOAA连接AI与环境科学(十一)—降水、雷电、山洪、气溶胶等13个实际应用
学习资源 | NOAA连接AI与环境科学(八)—机器学习工具与实践
AI,机器学习/深度学习技术(包括深层神经网络,DNN)在许多领域和应用中取得了很大的进展,包括医药、自动驾驶、社交媒体、金融工业等。在私有领域,人工智能的准确性和可用性方面的惊人增长具有显著意义。人工智能在气象学和海洋学领域也取得了显著的进展。然而,直到最近,在环境科学领域只有很少的AI应用开发工作。 令人鼓舞的是,AI在这些领域的应用在不断增加,而且取得了令人鼓舞的结果,其中包括预测技能。随着卫星数据的不断增加以及社会依赖的增加,将会持续改善预报准确率和精度。来自高分辨率卫星和传感器,一系列新传感器,以及物联网背景下新观测设备的数据不断增加。这些数据的增加将给这些数据的应用带来极大的挑战,AI已经成为潜在的解决技术。
郭好奇同学
2020/10/15
4070
学习资源 | NOAA连接AI与环境科学(八)—机器学习工具与实践
学习资源 | NOAA连接AI与环境科学(十)—AI/ML在后处理和数据传播中的应用
AI,机器学习/深度学习技术(包括深层神经网络,DNN)在许多领域和应用中取得了很大的进展,包括医药、自动驾驶、社交媒体、金融工业等。在私有领域,人工智能的准确性和可用性方面的惊人增长具有显著意义。人工智能在气象学和海洋学领域也取得了显著的进展。然而,直到最近,在环境科学领域只有很少的AI应用开发工作。 令人鼓舞的是,AI在这些领域的应用在不断增加,而且取得了令人鼓舞的结果,其中包括预测技能。随着卫星数据的不断增加以及社会依赖的增加,将会持续改善预报准确率和精度。来自高分辨率卫星和传感器,一系列新传感器,以及物联网背景下新观测设备的数据不断增加。这些数据的增加将给这些数据的应用带来极大的挑战,AI已经成为潜在的解决技术。
郭好奇同学
2020/10/15
5280
学习资源 | NOAA连接AI与环境科学(十)—AI/ML在后处理和数据传播中的应用
学习资源 | NOAA对AI前沿的展望
AI,机器学习/深度学习技术(包括深层神经网络,DNN)在许多领域和应用中取得了很大的进展,包括医药、自动驾驶、社交媒体、金融工业等。在私有领域,人工智能的准确性和可用性方面的惊人增长具有显著意义。人工智能在气象学和海洋学领域也取得了显著的进展。然而,直到最近,在环境科学领域只有很少的AI应用开发工作。 令人鼓舞的是,AI在这些领域的应用在不断增加,而且取得了令人鼓舞的结果,其中包括预测技能。随着卫星数据的不断增加以及社会依赖的增加,将会持续改善预报准确率和精度。来自高分辨率卫星和传感器,一系列新传感器,以及物联网背景下新观测设备的数据不断增加。这些数据的增加将给这些数据的应用带来极大的挑战,AI已经成为潜在的解决技术。
郭好奇同学
2021/01/12
3320
学习资源 | NOAA对AI前沿的展望
学习资源 | 来自NOAA的AI与环境科学学习资源(七)
AI,机器学习/深度学习技术(包括深层神经网络,DNN)在许多领域和应用中取得了很大的进展,包括医药、自动驾驶、社交媒体、金融工业等。在私有领域,人工智能的准确性和可用性方面的惊人增长具有显著意义。人工智能在气象学和海洋学领域也取得了显著的进展。然而,直到最近,在环境科学领域只有很少的AI应用开发工作。 令人鼓舞的是,AI在这些领域的应用在不断增加,而且取得了令人鼓舞的结果,其中包括预测技能。随着卫星数据的不断增加以及社会依赖的增加,将会持续改善预报准确率和精度。来自高分辨率卫星和传感器,一系列新传感器,以及物联网背景下新观测设备的数据不断增加。这些数据的增加将给这些数据的应用带来极大的挑战,AI已经成为潜在的解决技术。
郭好奇同学
2020/10/15
5190
学习资源 | 来自NOAA的AI与环境科学学习资源(七)
学习资源 | NOAA连接AI与环境科学(九)—海洋环境视频和图像分析教程
AI,机器学习/深度学习技术(包括深层神经网络,DNN)在许多领域和应用中取得了很大的进展,包括医药、自动驾驶、社交媒体、金融工业等。在私有领域,人工智能的准确性和可用性方面的惊人增长具有显著意义。人工智能在气象学和海洋学领域也取得了显著的进展。然而,直到最近,在环境科学领域只有很少的AI应用开发工作。 令人鼓舞的是,AI在这些领域的应用在不断增加,而且取得了令人鼓舞的结果,其中包括预测技能。随着卫星数据的不断增加以及社会依赖的增加,将会持续改善预报准确率和精度。来自高分辨率卫星和传感器,一系列新传感器,以及物联网背景下新观测设备的数据不断增加。这些数据的增加将给这些数据的应用带来极大的挑战,AI已经成为潜在的解决技术。
郭好奇同学
2020/10/15
4440
学习资源 | NOAA连接AI与环境科学(九)—海洋环境视频和图像分析教程
学习资源 | NOAA+AI—使用AI和ML方法处理环境领域数据、图像、信号
AI,机器学习/深度学习技术(包括深层神经网络,DNN)在许多领域和应用中取得了很大的进展,包括医药、自动驾驶、社交媒体、金融工业等。在私有领域,人工智能的准确性和可用性方面的惊人增长具有显著意义。人工智能在气象学和海洋学领域也取得了显著的进展。然而,直到最近,在环境科学领域只有很少的AI应用开发工作。 令人鼓舞的是,AI在这些领域的应用在不断增加,而且取得了令人鼓舞的结果,其中包括预测技能。随着卫星数据的不断增加以及社会依赖的增加,将会持续改善预报准确率和精度。来自高分辨率卫星和传感器,一系列新传感器,以及物联网背景下新观测设备的数据不断增加。这些数据的增加将给这些数据的应用带来极大的挑战,AI已经成为潜在的解决技术。
MeteoAI
2020/12/22
5730
学习资源 | NOAA+AI—使用AI和ML方法处理环境领域数据、图像、信号
AI助力数据驱动是否会改变NWP?(二)
本次会议的主要目的,除了学术交流之外,还要通过与会专家讨论,针对关键主题,得到会议相对统一的认识。为此,会议最后一天,按照会议主题进行了专题讨论并给出的相关会议结果。
自学气象人
2023/06/21
2720
AI助力数据驱动是否会改变NWP?(二)
AI助力数据驱动是否会改变NWP?(一)
2022年11月14-17日,欧洲中期天气预报中心(ECMWF)和欧空局(ESA)联合举办了第3届机器学习用于地球系统观测和预报主题研讨会。这次会期为4天的研讨会,采用以线下为主和少量线上报告的方式,包括了43个口头报告,40个墙报,内容十分丰富。
自学气象人
2023/06/21
3030
AI助力数据驱动是否会改变NWP?(一)
不是取代,而是共生!气象科学的未来需要AI与数值预报的有机结合
数值天气预报和 AI 气象预报存在天然的耦合关系,数值预报可以通过物理数学理论提供可解释的预报结果,AI 气象大模型则能够利用知识经验提高预报计算速度和精度,两者互补才是未来气象预报发展的最有效途径。
HyperAI超神经
2024/07/16
3180
不是取代,而是共生!气象科学的未来需要AI与数值预报的有机结合
Comput Geosci (2022) | 地球科学人工智能研究评述
有地球人工智能理论和基础设施的突破将把地球科学带入下一个阶段: 地球人工智能。地球科学界必须赶上观测数据集爆炸的步伐,以可承受的成本和足够的准确性迅速建立可用的人工智能模型。地球人工智能的研究和开发仍处于初级阶段,从数据到模型到操作的所有重大挑战都可以在从学术界到政府和工业界的所有部门中获得无数机会。地球人工智能的未来是光明的,对整个人类社会和地球系统极为有益,它应该将我们的文明推进到其下一个史诗般的阶段,并将地球转变成一个更可持续、更健康的星球。
气象学家
2022/03/28
2.3K0
Comput Geosci (2022) | 地球科学人工智能研究评述
npj | ESA-ECMWF: 机器学习在地球系统观测和预测方面应用的最新进展和研究方向
Schneider, R., Bonavita, M., Geer, A. et al. ESA-ECMWF Report on recent progress and research directions in machine learning for Earth System observation and prediction. npj Clim Atmos Sci 5, 51 (2022). https://doi.org/10.1038/s41612-022-00269-z
MeteoAI
2023/01/18
9130
AI预测极端天气提速5000倍!微软发布Aurora,借AI之眼预测全球风暴
自人类有历史以来,就一直执着于预测天气,以各种方式破解「天空之语」,我们慢慢发现,草木、云层似乎都与天气有关,这不仅仅是因为人类从事生产的需要,也是人类想要对着大风歌唱、在月光下吟诗的需要。
新智元
2024/06/05
2950
AI预测极端天气提速5000倍!微软发布Aurora,借AI之眼预测全球风暴
NASA数据集——VIIRS 深蓝气溶胶 2.0 版(V2.0)产品分辨率为 6 千米 x 6 千米
VIIRS/NOAA20 Deep Blue Aerosol L2 6-Min Swath 6 km
此星光明
2024/05/04
3370
NASA数据集——VIIRS 深蓝气溶胶 2.0 版(V2.0)产品分辨率为 6 千米 x 6 千米
重大升级 | NCEP Global Forecast Systems (GFS)升级为 v16
GFS 16.0版本是基于立方球有限体积(FV3)动力核心的GFS的首次重大升级,该版本于2019年6月取代了谱动力核心。在此次升级中,NCEP将模型垂直层数从64层增加到127层,并将模型顶部从平流层上部(约55公里高度)扩展到中间层(约80公里高度)。模式的物理动力的升级包括:
气象学家
2021/03/29
2.5K0
哨兵系列卫星介绍与下载教程
哨兵系列卫星是哥白尼计划的一部分,该计划是欧盟的一个地球观测计划。要了解哨兵卫星,我们需要先了解哥白尼计划。
bugsuse
2022/09/23
4.1K0
哨兵系列卫星介绍与下载教程
为什么气象站和 AI 都测不准天气?
内容概要:根据气象部门预报,8 月 12 日北京将迎来今年入汛以来最强降雨,引发了社会各界的关注,也让人们开始关注天气预报和背后的科学预测方法。如今在气象观测中,也有了人工智能的加入。
HyperAI超神经
2020/08/14
6620
机器学习能否帮助人类构建更好的气候模式?
Felipe Dana / AP 格陵兰岛的Helheim冰川让纽约大学研究营地相形见绌
郭好奇同学
2021/02/12
6270
机器学习能否帮助人类构建更好的气候模式?
利用AI更快、更准确地预测潜在的大风暴
当预报天气时,气象学家使用许多模型和数据源来跟踪可能预示严重风暴的云的形状和运动。然而,随着天气数据集的不断扩大和最后期限的临近,他们几乎不可能实时监测所有风暴的形成,尤其是较小规模的风暴。
AiTechYun
2019/07/05
4730
利用AI更快、更准确地预测潜在的大风暴
全球数值模式是ECMWF预测的核心
原文:https://www.ecmwf.int/en/about/media-centre/focus/2022/global-numerical-modelling-heart-ecmwfs-forecasts
气象学家
2022/04/18
1.9K0
全球数值模式是ECMWF预测的核心
推荐阅读
相关推荐
学习资源 | NOAA连接AI与环境科学(十一)—降水、雷电、山洪、气溶胶等13个实际应用
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档