Buchumschlag

Generative deep learning improves reconstruction of global historical climate records

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Qian, Zhen, Liu, Teng, Bathiany, Sebastian, Yang, Shangshang, Hess, Philipp, Bochow, Nils, Burmester, Christian, Gelbrecht, Maximilian, Groenke, Brian, Boers, Niklas
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Geophysics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Physics-constrained generative machine learning-based high-resolution downscaling of Greenland's surface mass balance and surface temperature
von: Bochow, Nils, et al.
Veröffentlicht: (2025)

Reconstructing Historical Climate Fields With Deep Learning
von: Bochow, Nils, et al.
Veröffentlicht: (2023)

A Generative Machine Learning Approach for Improving Precipitation from Earth System Models
von: Hess, Philipp, et al.
Veröffentlicht: (2024)

Uncertainties too large to predict tipping times of major Earth system components from historical data
von: Ben-Yami, Maya, et al.
Veröffentlicht: (2023)

Decadal sink-source shifts of forest aboveground carbon since 1988
von: Qian, Zhen, et al.
Veröffentlicht: (2025)

Extrapolation from historical data cannot reliably predict the time of a potential AMOC collapse
von: Morr, Andreas, et al.
Veröffentlicht: (2026)

NeuralCrop: Combining physics and machine learning for improved crop yield projections
von: Lin, Yunan, et al.
Veröffentlicht: (2025)

Conditional diffusion models for downscaling and bias correction of Earth system model precipitation
von: Aich, Michael, et al.
Veröffentlicht: (2024)

The influence of data gaps and outliers on resilience indicators
von: Liu, Teng, et al.
Veröffentlicht: (2025)

Fast, Scale-Adaptive, and Uncertainty-Aware Downscaling of Earth System Model Fields with Generative Machine Learning
von: Hess, Philipp, et al.
Veröffentlicht: (2024)

Detection of Approaching Critical Transitions in Natural Systems Driven by Red Noise
von: Morr, Andreas, et al.
Veröffentlicht: (2023)

Predicting Instabilities in Transient Landforms and Interconnected Ecosystems
von: Smith, Taylor, et al.
Veröffentlicht: (2025)

Estimating the Resilience of Non-Stationary Systems
von: Smith, Taylor, et al.
Veröffentlicht: (2026)

Generating realistic global precipitation fields from modelled atmospheric circulation
von: Aich, Michael, et al.
Veröffentlicht: (2025)

Generating time-consistent dynamics with discriminator-guided image diffusion models
von: Hess, Philipp, et al.
Veröffentlicht: (2025)

Assessing the risk of future Dunkelflaute events for Germany using generative deep learning
von: Strnad, Felix, et al.
Veröffentlicht: (2025)

Towards deep learning for seismic demultiple
von: Mario R. Fernandez, et al.
Veröffentlicht: (2025)

Advancing resistivity-chargeability modeling for complex subsurface characterization using machine learning and deep learning
von: Akingboye, Adedibu Sunny, et al.
Veröffentlicht: (2025)

When Geoscience Meets Foundation Models: Towards General Geoscience Artificial Intelligence System
von: Zhang, Hao, et al.
Veröffentlicht: (2023)

Physics-informed deep learning links geodetic data and fault friction
von: Fukushima, Rikuto, et al.
Veröffentlicht: (2026)

Meta-PINN: Meta learning for improved neural network wavefield solutions
von: Cheng, Shijun, et al.
Veröffentlicht: (2024)

Three-dimensional crustal deformation analysis using physics-informed deep learning
von: Okazaki, Tomohisa, et al.
Veröffentlicht: (2025)

Bayesian full waveform inversion with learned prior using deep convolutional autoencoder
von: Hu, Shuhua, et al.
Veröffentlicht: (2025)

A fine-tuning workflow for automatic first-break picking with deep learning
von: Mardan, Amir, et al.
Veröffentlicht: (2024)

Discontinuous stochastic forcing in Greenland ice core data
von: Riechers, Keno, et al.
Veröffentlicht: (2025)

A deep learning framework for marine acoustic and seismic monitoring with distributed acoustic sensing
von: Zhang, Chun, et al.
Veröffentlicht: (2026)

Physics-informed deep learning quantifies propagated uncertainty in seismic structure and hypocenter determination
von: Agata, Ryoichiro, et al.
Veröffentlicht: (2024)

Novel approach for ranking DEMs: Copernicus DEM improves one arc second open global topography
von: Bielski, Conrad, et al.
Veröffentlicht: (2023)

Accurate background velocity model building method based on iterative deep learning in sparse transform domain
von: Chen, Guoxin
Veröffentlicht: (2024)

Pretrain-to-alignment learning paradigm to improve geophysical AI applicability under scarce field labels and synthetic-to-field gaps: A case study of relative geologic time estimation in global shelf-edge clinothems
von: Gao, Hui, et al.
Veröffentlicht: (2026)

Realization of a clock-based global height system: A simulation study for Europe and Brazil
von: Vincent, Asha, et al.
Veröffentlicht: (2024)

Applications of deep learning‐based resolution‐enhanced seismic data in fault identification
von: Lei Lin, et al.
Veröffentlicht: (2025)

Fast approximate simulation of seismic waves with deep learning
von: Moseley, Benjamin, et al.
Veröffentlicht: (2018)

Deep learning for flash drought forecasting and interpretation
von: Zhao, Qian, et al.
Veröffentlicht: (2025)

Velocity model building via combining seismic slope tomography and supervised deep learning
von: Yao Huang, et al.
Veröffentlicht: (2024)

Machine-learned global glacier ice volumes
von: Maffezzoli, N., et al.
Veröffentlicht: (2025)

A stable deep adversarial learning approach for geological facies generation
von: Bhavsar, Ferdinand, et al.
Veröffentlicht: (2023)

SeisT: A foundational deep learning model for earthquake monitoring tasks
von: Li, Sen, et al.
Veröffentlicht: (2023)

Centralized feature pyramid‐based supervised deep learning for object detection model from GPR data
von: Kun Yan, et al.
Veröffentlicht: (2024)

Accurate identification of salt domes using deep learning techniques: Transformers, generative artificial intelligence and liquid state machines
von: Kamal Souadih, et al.
Veröffentlicht: (2024)