文章讨论了全球变暖对降水模式的影响，特别是日降水的多变性和极端性。文章使用深度学习模型来分析全球变暖的强度与全球日降水模式之间的关系，并将该模型应用于卫星降水观测数据。研究发现，自2015年以来，日降水模式明显偏离了自然变化，特别是在亚热带东太平洋和中纬度风暴轨道区域。
文章指出，由于温室气体造成的全球变暖，全球的降雨模式正在经历显著的变化。特别是在天气时间尺度上，日降水量变化的加剧被认为是全球变暖的最明显指标。
文章使用深度学习模型来分析全球日降水模式与全球变暖强度之间的关系。研究人员强调了深度学习在非线性反应研究方面的优势。
文章呼吁制定应对措施来应对未来更频繁发生的极端降水和热浪。
根据气候模式预测，温室气体造成的变暖将加剧全球降雨的多变性和极端性。
然而，由于区域范围内降雨量的自然波动较大，利用观测数据验证这一预测是一个巨大的挑战。
2023年8月30日Nature期刊发表了最新文章，该文章使用深度学习模型来分析全球变暖的强度与全球日降水模式之间的关系，并将该模型应用于卫星降水观测数据。
Fig. 1: Climate-change detection using deep learning
结果显示，自2015年以来，受到人类引起的全球变暖影响，超过50%的日子里，日降水模式明显偏离了自然变化。研究人员指出，以往的研究主要关注长期趋势，而他们的研究集中在天气时间尺度上日降水量变化的加剧，并发现这是全球变暖最明显的指标。
Fig. 2: Critical role of high-frequency precipitation variations in climate-change detection
研究进一步表明，在亚热带东太平洋和中纬度风暴轨道区域观测到的日降水量变化最为显著。研究人员强调了深度学习在非线性反应研究方面的优势，并呼吁制定应对措施来应对未来更频繁发生的极端降水和热浪。
Fig. 3: Dominant regional precipitation characteristic changes detected by the deep-learning model
Fig. 4: Emergent precipitation variability amplification over the eastern Pacific ITCZ and mid-latitude storm-track regions caused by global warming
参考文献
：
Ham, YG., Kim, JH., Min, SK.
et al.
Anthropogenic fingerprints in daily precipitation revealed by deep learning.
Nature
622
, 301–307 (2023). https://doi.org/10.1038/s41586-023-06474-x
本文由"地刊速览"创作，转载请在文章开头醒目位置标注"
本文来源：地刊速览
"。
“意得辑”
主要为英文非母语的科研作者提供
英文润色、学术翻译、SCI/EI/SSCI发表指导等服务
。
意得辑拥有2000多名具有专业学科背景的资深英文母语编辑、 翻译、发表专家团队
。
致力于为地学用户提供专享优惠：使用优惠代码"
GHOAL85
"下单，
标准润色、优质润色、SCI论文翻译、科学深度编辑服务
、SCI发表套餐全场享受
85折
特惠。
点击了解详情
