近日，物理海洋教育部重点实验室在Journal of Geophysical Research: Atmospheres期刊发表题为“Improving CMIP6 Atmospheric River Precipitation Estimation by Cycle-Consistent Generative Adversarial Networks”（《基于循环生成式对抗网络改进对CMIP6大气河降水的评估》）的最新研究成果，评估了CMIP6气候模式对大气河降水性能的模拟，并首次使用循环生成式对抗网络（CycleGAN）模型对未来情景下大气河降水进行误差校正从而改善未来大气河降水的预估。成果由海洋与大气学院“青年英才工程”第一层次赵阳教授、实验室“筑峰人才工程”第一层次李建平教授为共同通讯作者的团队合作完成。

　　近年来，随着全球范围内大气河事件发生频率的增加，在全球变暖背景下，深入理解大气河降水的未来变化，以评估其对自然环境和人类生活的潜在影响，具有极其重要的科学意义。目前，科研团队通过CMIP6 GCMs模型模拟得出的大气河降水频率和强度与实际观测数据存在较大偏差，尤其在极端情形下更为显著。这种偏差可能会导致我们对未来大气河引发的极端降水事件变化趋势产生误判。

　　该研究采用CycleGAN技术对CMIP6模拟的大气河降水数据进行了校正（图1），有效校正了不同降水强度等级的误差，特别是在大气河强度最低和最高等级上表现显著。在最低和最高等级上，全球和4个关键区域 (细节见图1图例）的多模型集成（MME05，即五个精选的最佳模型结果）和ERA5的相对变化均大于0.5；误差校正后，大部分变化小于0.2。这一结果表明，CycleGAN在减少模型结果的偏差方面起到了关键作用，显著提升了模拟数据的准确性。

图1：误差校正前后MME05和ERA5之间大气河降水强度/频率的相对误差和累积差异。按照大气河强度分段，分别在全球和四个关键区域（北太平洋、北大西洋、南太平洋和南大西洋）。误差校正前大气河降水强度/频率的相对变化以(a)蓝色/(b)紫色条显示，误差校正后以橙色条显示。误差校正前大气河降水强度/频率的累积绝对差以(a)蓝色/(b)紫色线显示，误差校正后以橙色线表示。误差线表示一个标准差

　　对未来大气河降水强度、频数的订正（图2）表明，在全球海表温度升高3C背景下，相对于历史时期，全球和四个关键区域的大气河降水强度/频率在误差校正前后均表现出最大的增加。相比之下，在1.5C或2C升温水平下，大气河降水强度/频率增加的幅度相对较小，远低于3C升温水平下的变化。这种变化在误差校正前后都是一致的，不同的是，在误差校正后，未来最强强度等级的大气河降水强度/频率变化更为显著。

图2：全球变暖背景下最强大气河强度等级下的大气河降水强度/频率的相对变化

　　上述研究引进的误差校正方法有助于更好地评估未来的大气河降水及其在全球气候变暖背景下极端降水变化，也充分体现了深度学习算法在大气科学领域中的有效应用。研究工作得到科技部国家重点研发计划项目、崂山实验室和山东省重大基金等共同资助。

文章引用：

TIAN Y., Y. Zhao*, J. -P. Li*, H. -X. Xu, C. Zhang, L. Deng, Y. -J. Wang, and M. Peng, 2024: Improving CMIP6 Atmospheric River Precipitation Estimation by Cycle‐consistent Generative Adversarial Networks. Journal of Geophysical Research: Atmospheres, 129(14), e2023JD040698. https://doi.org/10.1029/2023JD040698.