首页|期刊导航|大气和海洋科学快报（英文版）|U-Net:A deep-learning method for improving summer precipitation forecasts in China
大气和海洋科学快报（英文版）2023，Vol.16Issue(4)：8-14,7.DOI:10.1016/j.aosl.2022.100322
U-Net:A deep-learning method for improving summer precipitation forecasts in China
U-Net:A deep-learning method for improving summer precipitation forecasts in China
摘要
Abstract
本研究应用了名为U-Net的深度学习方法来提高中国夏季(6-8月)降水的预报技能,预报时段为1981-2020年,预报提前期为一个月.将位势高度场,土壤湿度,海平面气压,海表面温度,海洋盐度和青藏高原积雪等变量作为模型输入,本文对美国NCAR气候预报系统第2版(CFSv2)的季节性预报结果进行了修正.结果显示,在验证集和测试集上,U-Net平均将原CFSv2预测的均方根误差分别减少了49.7％和42.7％.预报结果改善最大的地区是中国的西北,西南和东南地区.然而,同号率和时空相关系数没有得到明显改善,但仍与CFSv2的预测技巧持平.敏感性实验表明,土壤湿度是预测中国夏季降雨的最关键因素,其次是位势高度场.本研究显示了U-Net模型在训练小样本数据集方面的优势,为我国汛期季节性降雨预测提供了一种有效的深度学习方法.关键词
汛期降水/U-Net/次季节预报/深度学习Key words
Summer precipitation/U-Net/Subseasonal forecast/Deep learning引用本文复制引用
Qimin Deng,Peirong Lu,Shuyun Zhao,Naiming Yuan..U-Net:A deep-learning method for improving summer precipitation forecasts in China[J].大气和海洋科学快报（英文版）,2023,16(4):8-14,7.基金项目
This work was supported by the Chinese Universities Scientific Fund[Grant No.CUG 2106108]and the Natural Science Foundation of Hubei Province of China[Grant No.2021CFB233]. （）
