GWSM4C: A Global Wave Surrogate Model for Climate Simulation Based on a Convolutional Architecture
摘要
Ocean waves are a critical component of the Earth system, yet directly coupling wave models in climate simulations is computationally expensive. We introduce GWSM4C, a Global Wave Surrogate Model designed for climate simulations using a convolutional neural network architecture. GWSM4C efficiently emulates the behavior of numerical wave models, predicting global wave parameters with high accuracy and a fraction of the computational cost. Validation against numerical model outputs confirms that GWSM4C captures the global wave climate patterns, seasonal variability, and extreme wave events, making it a viable alternative for long-term climate studies requiring wave-atmosphere-ocean interactions.
类型
出版物
Ocean Engineering
Authors
Authors
Authors
Authors
Authors
Authors
Authors
研究员
博导，物理海洋学博士，研究员，目前担任学术期刊Ocean Modelling执行编辑、Scientific Data编委、中国海洋学会海气相互作用专业委员会秘书长、CLIVAR 海洋模式发展组OMDP委员等。一直从事地球系统模式发展与应用等方面的研究，率先将海浪的非破碎垂向混合作用和对海气通量作用引入到气候模式中，揭示了小尺度海浪过程在大尺度气候系统中的重要作用及机制；开展了海洋数值模式基于国产处理器的高效并行算法、地球系统模式的负载均衡算法以及AI4ClimateModeling等研究，有效提升了模式计算效率；发展了两代耦合海浪的地球系统模式FIO-ESM，通过完善模式所包含的小尺度过程，有效减缓模拟偏差，提高模拟和预测能力；构建了短期气候预测系统FIO-CPS，在国家海洋环境预报中心、国家气候中心等多个国家级和地方业务中心应用。先后主持NSFC青年、面上、重点、优青、杰青以及重点研发计划项目等多个项目；先后入选自然资源部第一海洋研究所“束星北”青年学者、自然资源部高层次科技创新人才领军人才和第二人才梯队等。