AI助力精准气象和海洋预测
竞赛课题
发生在热带太平洋上的厄尔尼诺-南方涛动(ENSO)现象是地球上最强、最显著的年际气候信号，经常会引发洪涝、干旱、高温、雪灾等极端事件，2020年底我国冬季极寒也与ENSO息息相关。对于ENSO的预测，气候动力模式消耗计算资源大且存在春季预测障碍。本赛题希望利用AI技术，基于历史气候观测和模拟数据，构建预测ENSO的深度学习模型，预测未来1-24个月的Nino3.4指数，这对极端天气与气候事件的预测具有重要意义。
数据描述
比赛使用的数据包括模式的历史模拟数据和近100多年历史观测同化数据。每个样
本包含以下气象及时空变量：海表温度异常(SST)，热含量异常(T300)，纬向风异
常（Ua），经向风异常（Va），数据维度为（year,month,lat,lon）。训练数据提
供对应月份的Nino3.4 index标签数据。测试用的初始场数据为国际多个海洋资料
同化结果提供的随机抽取的n段12个时间序列，数据格式采用NPY格式保存。