基于改进U-Net模型的次季节降水预报订正

针对现有次季节降水预报误差较大的问题，提出基于改进的U-Net模型的次季节降水预报订正方法.首先，通过指数变换，将非正态分布的降水预报数据变换到正态分布；其次，结合残差连接和通道注意力改进U-Net模型，用于订正模式预报结果，生成订正后的降水概率预报；最后，通过损失函数加权提高强降水预报性能.实验结果表明，订正结果相较于原始预报误差明显降低，CRPS降低了14%,概率预报的采样均值在10 mm日降水量阈值的TS评分提升48%.     

一种气温降尺度的半循环对抗生成网络

提出了一种半循环对抗生成降尺度模型，应用于ERA5再分析全球气候地表温度数据在中国及其周边地区的降尺度，该模型引入了重建生成器网络和退化生成器网络，采用对抗损失和半循环损失来优化降尺度结果。通过消融实验验证了该模型的有效性。结果表明，与传统的插值方法以及其他深度学习模型相比，该模型在客观评价指标上有所提高，所生成的地表温度数据细节更加丰富。