Buchumschlag

Data-Driven Probabilistic Air-Sea Flux Parameterization

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wu, Jiarong, Perezhogin, Pavel, Gagne, David John, Reichl, Brandon, Subramanian, Aneesh C., Thompson, Elizabeth, Zanna, Laure
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Atmospheric and Oceanic Physics Machine Learning Applications
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Impact of Data-Driven Eddy Parameterization on Climate State in an Idealized Coupled CESM Model
von: Shi, Jia-Rui, et al.
Veröffentlicht: (2026)

Generalizable neural-network parameterization of mesoscale eddies in idealized and global ocean models
von: Perezhogin, Pavel, et al.
Veröffentlicht: (2025)

A Data-Driven Approach for Parameterizing Submesoscale Vertical Buoyancy Fluxes in the Ocean Mixed Layer
von: Bodner, Abigail, et al.
Veröffentlicht: (2023)

Towards a Unified Data-Driven Boundary Layer Momentum Flux Parameterization for Ocean and Atmosphere
von: Falga, Renaud, et al.
Veröffentlicht: (2025)

Generative data-driven approaches for stochastic subgrid parameterizations in an idealized ocean model
von: Perezhogin, Pavel, et al.
Veröffentlicht: (2023)

Parameterizing Vertical Mixing Coefficients in the Ocean Surface Boundary Layer using Neural Networks
von: Sane, Aakash, et al.
Veröffentlicht: (2023)

An Analysis of Deep Learning Parameterizations for Ocean Subgrid Eddy Forcing
von: Gultekin, Cem, et al.
Veröffentlicht: (2024)

Calibration of a neural network ocean closure for improved mean state and variability
von: Perezhogin, Pavel, et al.
Veröffentlicht: (2026)

A data-driven framework for dimensionality reduction and causal inference in climate fields
von: Falasca, Fabrizio, et al.
Veröffentlicht: (2023)

A stable implementation of a data-driven scale-aware mesoscale parameterization
von: Perezhogin, Pavel, et al.
Veröffentlicht: (2023)

Probabilistic storyline attribution using machine learning
von: Loer, Frieder, et al.
Veröffentlicht: (2026)

Probabilistic modelling of atmosphere-surface coupling with a copula Bayesian network
von: Mack, Laura, et al.
Veröffentlicht: (2025)

Causal Feedback Discovery using Convergence Cross Mapping on Sea Ice Data
von: Nji, Francis, et al.
Veröffentlicht: (2025)

Analysis of Full-scale Riser Responses in Field Conditions Based on Gaussian Mixture Model
von: Wu, Jie, et al.
Veröffentlicht: (2024)

Modeling the Sea-Level Change from U.S. Vehicle Emissions
von: Wong, Tony
Veröffentlicht: (2026)

scores: A Python package for verifying and evaluating models and predictions with xarray
von: Leeuwenburg, Tennessee, et al.
Veröffentlicht: (2024)

Possible, Yes; Ignorant, Perhaps: A Scorecard for Possibilistic Forecasts
von: Lawson, John R.
Veröffentlicht: (2026)

Data Driven Air Entrainment Velocity Parameterization by Breaking Waves
von: Zhou, Xiaohui, et al.
Veröffentlicht: (2026)

Machine learning-based correlation analysis of decadal cyclone intensity with sea surface temperature: data and tutorial
von: Wu, Jingyang, et al.
Veröffentlicht: (2025)

From Winter Storm Thermodynamics to Wind Gust Extremes: Discovering Interpretable Equations from Data
von: Tam, Frederick Iat-Hin, et al.
Veröffentlicht: (2025)

Uncertainty-permitting machine learning reveals sources of dynamic sea level predictability across daily-to-seasonal timescales
von: Brettin, Andrew, et al.
Veröffentlicht: (2025)

Estimation of temperature and precipitation uncertainties using quantile neural networks
von: Brettin, Andrew, et al.
Veröffentlicht: (2026)

Building Ocean Climate Emulators
von: Subel, Adam, et al.
Veröffentlicht: (2024)

Probabilistic Emulation of the Community Radiative Transfer Model Using Machine Learning
von: Howard, Lucas, et al.
Veröffentlicht: (2025)

Probabilistic measures afford fair comparisons of AIWP and NWP model output
von: Gneiting, Tilmann, et al.
Veröffentlicht: (2025)

CAMulator: Fast Emulation of the Community Atmosphere Model
von: Chapman, William E., et al.
Veröffentlicht: (2025)

A Framework for Hybrid Physics-AI Coupled Ocean Models
von: Zanna, Laure, et al.
Veröffentlicht: (2025)

Pattern change of precipitation extremes in Bear Island
von: Ray, Arnob, et al.
Veröffentlicht: (2023)

Uncertainty in wind and solar projections depends on global and regional climate models
von: Effenberger, Nina, et al.
Veröffentlicht: (2026)

The impact of the spatial resolution of wind data on multi-decadal wind power forecasts in Germany
von: Morelli, Sofia
Veröffentlicht: (2024)

Operational convection-permitting COSMO/ICON ensemble predictions at observation sites (CIENS)
von: Lerch, Sebastian, et al.
Veröffentlicht: (2025)

Predicting Coastal Water Levels in the Context of Climate Change Using Kolmogorov-Zurbenko Time Series Analysis Methods
von: Loneck, Barry, et al.
Veröffentlicht: (2024)

Changes over time in the 100-year return value of climate model variables
von: Leach, Callum, et al.
Veröffentlicht: (2025)

Comparison of Model Output Statistics and Neural Networks to Postprocess Wind Gusts
von: Primo, Cristina, et al.
Veröffentlicht: (2024)

Physics-based vs. data-driven 24-hour probabilistic forecasts of precipitation for northern tropical Africa
von: Walz, Eva-Maria, et al.
Veröffentlicht: (2024)

Estimating changes in extreme quantiles over time, applied to desert temperatures
von: Leach, Callum, et al.
Veröffentlicht: (2026)

Bayesian Inference for Stochastic Predictions of Non-Gaussian Systems with Applications in Climate Change
von: Tong, Yunjin
Veröffentlicht: (2024)

Predictability of climate tipping focusing on the internal variability of the Earth system
von: Kubo, Amane, et al.
Veröffentlicht: (2024)

A Multi-Tiered Bayesian Network Coastal Compound Flood Analysis Framework
von: Liu, Ziyue, et al.
Veröffentlicht: (2025)

Predicting temperatures in Brazilian states capitals via Machine Learning
von: da Silva, Sidney T., et al.
Veröffentlicht: (2025)