DeepCut: umbrales de red neuronal adaptativos para la partición de fases de precipitación

Predecir con precisión la fase de precipitación es crítico para la hidrología, la previsión meteorológica y las aplicaciones climáticas, sin embargo, los umbrales de temperatura fijos funcionan de manera inconsistente en diferentes regiones. Presentamos DeepCut, una red neuronal que aprende umbrales de temperatura adaptativos, dependientes del contexto (condicionados a la observación) basados en la ubicación, el clima y el estado meteorológico y los aplica en una etapa de clasificación diferenciable. A diferencia de los modelos convencionales de caja negra, DeepCut ofrece transparencia al predecir explícitamente los puntos de corte condicionales a la observación donde la lluvia se transforma en nieve, combinando alta precisión con interpretabilidad física. Utilizando 16.8 millones de informes de superficie de 11,626 estaciones a lo largo del hemisferio norte durante el período de entrenamiento 1978–2005, nuestro modelo alcanza una tasa de precisión del 93.34% para el período de prueba independiente 2006–2007, significativamente más alta que los modelos existentes. Más importante aún, los umbrales predichos (salidas del modelo) exhiben patrones espaciales coherentes cuando se agregan a lo largo del tiempo y las estaciones, en general consistentes con los procesos físicos conocidos. Agregar codificaciones temporales explícitas (mes d^−1) proporciona poco beneficio incremental más allá de los predictores meteorológicos en nuestros experimentos; por lo tanto, los tratamos como opcionales. No obstante, observamos señales de largo plazo que varían lentamente durante el período de estudio, que se reflejan en los datos y pueden ser capturadas a través de las covariables del modelo y el contexto regional. Finalmente, hemos considerado perfiles atmosféricos además de las variables de temperatura cerca de la superficie que se han incluido típicamente en estudios anteriores. Aunque estos predictores de perfil no aumentan la precisión predictiva general en nuestros experimentos, sus relaciones demostradas con los umbrales son prometedoras para explicar el proceso de transición de fase y merecen una mayor investigación en futuras investigaciones.