ترجمه فارسی مقاله GPC/m: اقلیم شناسی بارش جهانی توسط یادگیری ماشینی. وضوح فضایی شبه جهانی، روزانه و یک درجه

چکیده

This paper presents a new precipitation dataset that is daily, has a spatial resolution of one degree on a quasi-global scale, and spans more than 42 years, using machine learning techniques. The ultimate goal of this dataset is to provide a homogeneous daily precipitation dataset for several decades without gaps, which is suitable for climate analysis. As a first step, 42 years of daily precipitation data was generated using machine learning techniques. The machine learning methods are supervised learning, and the reference data are estimated precipitation datasets from 2001 to 2020. The three machine learning methods are random forest, gradient-boosted decision trees, and convolutional neural networks. The input data are satellite observations and atmospheric circulations from reanalysis, which are somewhat modified based on knowledge of the climatological background. Using the trained statistical models, we predict back to 1979, when daily precipitation data was almost unavailable globally. The detailed procedures are described in this paper. The produced data have been partially evaluated. However, additional evaluations from different perspectives are needed. The advantages and disadvantages of this precipitation dataset are also discussed. Currently, this GPC/m precipitation dataset version is GPC/m-v1-2024.

چکیده به فارسی (ترجمه ماشینی)

در این مقاله یک مجموعه داده بارش جدید که روزانه است ، ارائه شده است ، دارای وضوح مکانی از یک درجه در مقیاس شبه جهانی است و بیش از 42 سال با استفاده از تکنیک های یادگیری ماشین می گذرد.هدف نهایی این مجموعه داده ارائه یک مجموعه داده بارش روزانه همگن برای چندین دهه بدون شکاف است که برای تجزیه و تحلیل آب و هوا مناسب است.به عنوان اولین قدم ، 42 سال از داده های بارش روزانه با استفاده از تکنیک های یادگیری ماشین تولید شد.روشهای یادگیری ماشین تحت نظارت یادگیری است و داده های مرجع مجموعه داده های بارش از سال 2001 تا 2020 تخمین زده می شوند. سه روش یادگیری ماشین ، جنگل های تصادفی ، درختان تصمیم گیری شیب دار و شبکه های عصبی حلقوی هستند.داده های ورودی مشاهدات ماهواره ای و گردش خون جوی از تجزیه و تحلیل مجدد هستند که بر اساس دانش در مورد پس زمینه اقلیمی اصلاح می شوند.با استفاده از مدلهای آماری آموزش دیده ، ما به سال 1979 پیش بینی می کنیم ، هنگامی که داده های بارش روزانه تقریباً در سطح جهان در دسترس نبود.روشهای دقیق در این مقاله شرح داده شده است.داده های تولید شده تا حدی ارزیابی شده اند.با این حال ، ارزیابی های اضافی از دیدگاه های مختلف مورد نیاز است.مزایا و مضرات این مجموعه داده بارش نیز مورد بحث قرار گرفته است.در حال حاضر ، این نسخه مجموعه داده بارش GPC/M GPC/M-V1-2024 است.