logo móvil
Contáctanos

Un método de reducción basado en aprendizaje profundo que considera el impacto de los tifones en la precipitación futura en Taiwán

Autores: Lin, Shiu-Shin; Zhu, Kai-Yang; Wang, Chen-Yu

Idioma: Inglés

Editor: MDPI

Año: 2024

Descargar PDF

Acceso abierto

Artículo científico
2024

Un método de reducción basado en aprendizaje profundo que considera el impacto de los tifones en la precipitación futura en Taiwán


Categoría

Ciencias Naturales y Subdisciplinas

Subcategoría

Astronomía

Palabras clave

Estudio
Red neuronal
Modelo de reducción de escala
Incertidumbre en la precipitación
Tifones
Taiwán

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 6

Citaciones: Sin citaciones


Descripción
Este estudio propone un modelo de reducción de escala basado en una red neuronal profunda (DNN) que incorpora análisis de componentes principales por kernel (KPCA) para investigar la incertidumbre de la precipitación influenciada por tifones en Taiwán, que tiene una topografía insular compleja. Se utilizan los mejores datos de seguimiento de ciclones tropicales del Centro Conjunto de Advertencia de Tifones (JTWC) para calcular la precipitación durante tifones y no tifones. Se aplica KPCA para extraer características no lineales de los modelos GCM BCC-CSM1-1 (Modelo del Sistema Climático del Centro Climático de Pekín versión 1.1) y CanESM2 (modelo del sistema terrestre canadiense de segunda generación). La longitud de los datos utilizados en los dos modelos GCM abarca desde enero de 1950 hasta diciembre de 2005 (datos históricos) y desde enero de 2006 hasta diciembre de 2099 (datos de escenario). Los datos de lluvia se recopilan de las estaciones meteorológicas en Taichung y Hualien (ciudades de Taiwán) operadas por la Administración Central de Meteorología (CWA) de Taiwán. El período de datos de lluvia en Taichung y Hualien abarca desde enero de 1950 hasta diciembre de 2005. El modelo propuesto se construye con características extraídas de los GCM y la precipitación mensual histórica de Taichung y Hualien. El modelo que hemos construido se utiliza para estimar la precipitación mensual y la incertidumbre en Taichung y Hualien para escenarios futuros (rcp 4.5 y 8.5) de los GCM. Los resultados sugieren que, en Taichung y Hualien, la precipitación de verano se encuentra mayormente dentro del rango normal. La lluvia a largo plazo (de enero de 2071 a diciembre de 2080) para Taichung y Hualien típicamente se sitúa entre 100 mm y 200 mm. A largo plazo, la precipitación de la temporada seca (de enero a abril, noviembre y diciembre) para Taichung y la de la temporada húmeda (de mayo a octubre) para Hualien son menos y más afectadas por tifones, respectivamente. La precipitación de la temporada seca está más afectada por tifones en Taichung que en Hualien. En Taichung y Hualien, la probabilidad a largo plazo de que la lluvia supere el promedio histórico en la temporada seca es mayor que en la temporada húmeda.

Otros recursos que podrían interesarte

Temas Virtualpro