世界卫生组织与国家海洋和大气管理局的合作解决了气候知识方面的关键差距

远程技术、机器学习将改善极地冰融化的模拟及其对全球气候的影响
+ ^! j9 ~. H9 n# B伍兹霍尔海洋研究所（WHOI）的研究人员最近获得了美国国家海洋和大气管理局（NOAA）气候观测和监测（COM）项目的50万美元拨款，用于开发机器学习工具，以改进对北冰洋和邻近海域海气热交换的估计。这些工具有望填补气候模型中的关键空白，目前气候模型在模拟极地冰融化速度时显示出巨大的差异。
遥感技术的最新进展为研究人员提供了所需的数据，以更好地了解北极冰融化背后的力量以及海洋和大气之间热交换的影响。这些真实世界的测量将使研究人员能够开发机器学习算法，验证和改进北极和亚北极地区的卫星建模。
  a7 l$ m+ d: ~- D0 [1 ^世界卫生组织高级科学家、该项目首席研究员Lisan Yu表示，基于机器学习的框架将提高用于模拟全球气候的海面强迫估计的准确性。她说，这也将提高该地区结冰和天气预报的准确性，该地区正在迅速向商业勘探开放。
! k9 M& T4 z( D, I9 `! V4 dYu说：“北极表面气温的上升速度是世界其他地区的两倍，海冰的消退速度比气候模型模拟预测的速度快三倍。”。“模型中对北极海冰损失的严重低估突显了大气、极地海洋和冰盖区域之间相互作用的知识差距。该项目以一致和全面的方式将所有可用的观测结果汇集在一起，以帮助模型做出准确的预测，这对制定有效的政策对策至关重要应对气候变化。”
3 z! e9 r$ h4 X0 [' T由于进入北冰洋的困难，特别是在暴风雨的冬季，以及测量海气热交换的复杂性，以前没有足够的高质量数据将冰融化和季节变化纳入气候模型。高纬度地区长期远程数据收集的最新进展克服了这一挑战。2019年，位于爱尔兰海的海洋观测倡议（OOI）表面浮标首次收集了一年多的传感器数据，包括结冰和多风的冬季条件。位于海洋环流的重要区域，从OOI表面浮标收集的数据为基于卫星的模型提供了关键验证。