Buchumschlag

Knowledge-guided machine learning for disentangling Pacific sea surface temperature variability across timescales

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Hall, Kyle J. C., Molina, Maria J., Wisinski, Emily F., Meehl, Gerald A., Capotondi, Antonietta
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Atmospheric and Oceanic Physics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

What's in the latent space? Exploring coupled tropical Pacific variability within a Multi-branch $β$-Variational Autoencoder
von: Wisinski, Emily F., et al.
Veröffentlicht: (2026)

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

Assessing the potential of state-of-the-art machine learning and physics-informed machine learning in predicting sea surface temperature
von: Sunil, Akshay, et al.
Veröffentlicht: (2024)

Contributions of El Niño Southern Oscillation (ENSO) Diversity to Low-Frequency Changes in ENSO Variance
von: Schlör, Jakob, et al.
Veröffentlicht: (2023)

Network science disentangles internal climate variability in global spatial dependence structures
von: Ray, Arnob, et al.
Veröffentlicht: (2025)

A Hybrid Deep-Learning Model for El Niño Southern Oscillation in the Low-Data Regime
von: Schloer, Jakob, et al.
Veröffentlicht: (2024)

Machine learning disentangles bias causes of shortwave cloud radiative effect in a climate model
von: Yang, Hongtao, et al.
Veröffentlicht: (2024)

Using Deep Learning to Identify Initial Error Sensitivity for Interpretable ENSO Forecasts
von: Toride, Kinya, et al.
Veröffentlicht: (2024)

Perturbing the surface energy balance to emulate the historical pattern of tropical Pacific sea surface temperature trends
von: Merlis, Timothy M.
Veröffentlicht: (2025)

Revealing recurrent regimes of mid-latitude atmospheric variability using novel machine learning method
von: Mukhin, Dmitry, et al.
Veröffentlicht: (2024)

Using machine learning to downscale coarse-resolution environmental variables for understanding the spatial frequency of convective storms
von: Yu, Hungjui, et al.
Veröffentlicht: (2025)

Monthly Diffusion v0.9: A Latent Diffusion Model for the First AI-MIP
von: Hall, Kyle J. C., et al.
Veröffentlicht: (2026)

Quantifying the radiative response to surface temperature variability: A critical comparison of current methods
von: Fredericks, Leif, et al.
Veröffentlicht: (2025)

Blending machine learning and physics-based approaches for weather and climate: a typology
von: Shipway, Benjamin J, et al.
Veröffentlicht: (2026)

Advancing global sea ice prediction capabilities using a fully-coupled climate model with integrated machine learning
von: Gregory, William, et al.
Veröffentlicht: (2025)

An update to ECMWF's machine-learned weather forecast model AIFS
von: Moldovan, Gabriel, et al.
Veröffentlicht: (2025)

Role of the ocean for fast atmospheric evolution revealed by machine learning
von: Antonio, Bobby, et al.
Veröffentlicht: (2026)

Skilful global seasonal predictions from a machine learning weather model trained on reanalysis data
von: Kent, Chris, et al.
Veröffentlicht: (2025)

Seasonal forecasting using the GenCast probabilistic machine learning model
von: Antonio, Bobby, et al.
Veröffentlicht: (2025)

Digestible Pieces: comparing three options for partitioning the Northeast Pacific Coast for S2S sea surface height prediction
von: Thapa, Laura, et al.
Veröffentlicht: (2025)

An intercomparison of generative machine learning methods for downscaling precipitation at fine spatial scales
von: Ward-Leikis, Bryn, et al.
Veröffentlicht: (2025)

Rainfall forecasts in daily use over East Africa improved by machine learning
von: Cooper, Fenwick C., et al.
Veröffentlicht: (2025)

Hybrid weather prediction using spectral nudging toward machine-learning forecasts
von: Polichtchouk, I., et al.
Veröffentlicht: (2026)

Improving forecasts of precipitation extremes over Northern and Central Italy using machine learning
von: Grazzini, Federico, et al.
Veröffentlicht: (2024)

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

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

CNN-based forecasting of early winter NAO using sea surface temperature
von: Provenzano, Elena, et al.
Veröffentlicht: (2026)

Probabilistic reconstruction of global sea surface temperature using generative diffusion models
von: Li, Haijie, et al.
Veröffentlicht: (2026)

Stress-testing the coupled behavior of hybrid physics-machine learning climate simulations on an unseen, warmer climate
von: Lin, Jerry, et al.
Veröffentlicht: (2024)

Lagged sea-surface-temperature precursors of the leading PM2.5 mode in China
von: Chen, Yuan, et al.
Veröffentlicht: (2026)

Embedding machine-learnt sub-grid variability improves climate model biases
von: Giles, Daniel, et al.
Veröffentlicht: (2024)

Evapotranspiration trends over the last 300 years reconstructed from historical weather station observations via machine learning
von: Shi, Haiyang
Veröffentlicht: (2024)

Climate change: across time and frequencies
von: Aguiar-Conraria, Luis, et al.
Veröffentlicht: (2025)

Can Transfer Learning be Used to Identify Tropical State-Dependent Bias Relevant to Midlatitude Subseasonal Predictability?
von: Mayer, Kirsten J., et al.
Veröffentlicht: (2024)

Tropical Pacific SST influence on seasonal streamflow variability in Ecuador
von: Quishpe-Vásquez, et al.
Veröffentlicht: (2024)

An Earth-System-Oriented View of the S2S Predictability of North American Weather Regimes
von: Pérez-Carrasquilla, Jhayron S., et al.
Veröffentlicht: (2024)

Predictability Limit of the 2021 Pacific Northwest Heatwave from Deep-Learning Sensitivity Analysis
von: Vonich, P. Trent, et al.
Veröffentlicht: (2024)

Multi-scale decomposition of sea surface height snapshots using machine learning
von: Lyu, Jingwen, et al.
Veröffentlicht: (2024)

Stochastic coupling of climate variables and ice volume over the Late Pleistocene glacial cycles
von: Patra, Pijush, et al.
Veröffentlicht: (2026)

CAS-Canglong: A skillful 3D Transformer model for sub-seasonal to seasonal global sea surface temperature prediction
von: Wang, Longhao, et al.
Veröffentlicht: (2024)