Search
6月6日，基础交叉沙龙第30期举行，纽约大学邬佳容博士带来了一场主题为“基于观测数据的概率性海气通量参数化”的学术报告。聚焦海气相互作用中的不确定性量化难题，系统介绍了一种结合神经网络的概率性模型框架科研进展。
邬佳容博士指出海气通量参数化的计算对于理解海气相互作用，以及改进海气耦合的天气与气候模式至关重要，而传统通量算法因缺乏不确定性量化限制了预测能力。邬佳容博士系统介绍了一种概率性模型框架突破性地将神经网络与多源观测数据融合，在保持与传统算法相近平均通量估算能力的同时，不仅能提供可替代的通量均值估计，有效提升了统计的相关性，还能够量化其不确定性，实现了随机化参数化。基于此模型框架，可以通过从预测的条件概率分布中采样，构建随机化的海气通量参数化方案。此外，通过在简化的海洋模式中开展测试，可发现通量算法的变化会对海表温度和混合层深度产生季节性的影响，特别是随机通量参数化引入的系综间方差在春季海洋重新分层期间尤为显著。
在交流研讨环节，邬佳容博士与在场师生们就该模型框架的尺度适应性挑战、后续研究方向等问题展开了热烈讨论。通过碰撞交流，还进一步延伸探讨了该模型框架在厄尔尼诺周期模拟中的潜在应用，展示了数学工具与地球科学的交叉创新价值。
本次沙龙活动由数学科学学院求是特聘教授、基础交叉研究院“数学+”交叉研究领域成员赖俊教授主持，来自数学科学学院、建筑工程学院等院系20余名师生参加。
图文 | 刘露
