Data for "A neural network model for shortwave radiative feedback quantification"

This dataset contains a neural network model for the shortwave radiation prediction, scripts to generate data for the radiative feedback quantification in the Arctic, RTM simulated radiative feedbacks, and results from the kernel method. I. File list ------------ Figures/ scripts to generate plots era5_grid1_data/ Sept. 1992 and Sept. 2012 ERA5 data NN/nn_tsr.mat NN model for TSR flux prediction NN/nn_ssr.mat NN model for SSR flux prediction NN/nn_toa.m function for the TSR prediction NN/nn_sfc.m function for the SSR prediction NN/calculate_toa_feedbacks.m radiative feedback quantification at the TOA NN/calculate_sfc_feedbacks.m radiative feedback quantification at the surface Note: the folder NN contains scripts for the shortwave radiative feedback quantification in the Arctic: 1. calculate_toa_feedbacks.m 2. calculate_sfc_feedbacks.m The results generated by these scripts are presented in Figure 8 and Figure S8. II. NN design ------------- NN model for the top net solar radiation (TSR) prediction. Input variables are: 1. TOA incident solar radiation (W*m**-2), downward positive 2. Total column cloud ice water (kg*m**-2) 3. Total column cloud liquid water (kg*m**-2) 4. Total column water vapour (kg*m**-2) 5. High cloud cover (0-1) 6. Medium cloud cover (0-1) 7. Low cloud cover (0-1) 8. Surface pressure (Pa) 9. Total column ozone (kg*m**-2) 10. Forecast albedo (0-1) Output: TSR (W*m**-2), downward positive All variables are monthly averaged values. Radiation variable is for all-sky conditions.本数据集包含用于短波辐射预报的神经网络模型、用于北极辐射反馈量化的数据生成脚本、辐射传输模型（Radiative Transfer Model，RTM）模拟得到的辐射反馈结果，以及核方法（kernel method）相关实验结果。 一、文件列表 Figures/：绘图生成脚本 era5_grid1_data/：1992年9月与2012年9月的ERA5数据 NN/nn_tsr.mat：用于总净太阳辐射（Top Net Solar Radiation，TSR）通量预报的神经网络模型 NN/nn_ssr.mat：用于净表面太阳辐射（Surface Net Solar Radiation，SSR）通量预报的神经网络模型 NN/nn_toa.m：TSR预报专用函数脚本 NN/nn_sfc.m：SSR预报专用函数脚本 NN/calculate_toa_feedbacks.m：顶层（Top of Atmosphere，TOA）辐射反馈量化脚本 NN/calculate_sfc_feedbacks.m：地表辐射反馈量化脚本 注：NN文件夹包含用于北极短波辐射反馈量化的两类脚本，分别为1. calculate_toa_feedbacks.m；2. calculate_sfc_feedbacks.m。上述脚本生成的实验结果对应图8与补充材料图S8。 二、神经网络设计 本数据集所用的TSR预报神经网络模型，其输入变量如下： 1. 顶层入射太阳辐射（单位：W·m⁻²，向下为正） 2. 整层云冰水量（单位：kg·m⁻²） 3. 整层云液态水量（单位：kg·m⁻²） 4. 整层水汽含量（单位：kg·m⁻²） 5. 高云量（取值范围0~1） 6. 中云量（取值范围0~1） 7. 低云量（取值范围0~1） 8. 地表气压（单位：Pa） 9. 整层臭氧含量（单位：kg·m⁻²） 10. 预报反照率（取值范围0~1） 输出变量为TSR（单位：W·m⁻²，向下为正）。所有变量均为月平均值，辐射变量适用于全天空条件。