Observational constraints on uncertainties in stratospheric water vapour projections: how to open the black-box with explainable machine learning
Amiramjadi, Mozhgan 1; Nowack, Peer
2,3
1 Fakultät für Informatik (INFORMATIK), Karlsruher Institut für Technologie (KIT)
2 Institut für Theoretische Informatik (ITI), Karlsruher Institut für Technologie (KIT)
3 Institut für Meteorologie und Klimaforschung Atmosphärische Spurengase und Fernerkundung (IMKASF), Karlsruher Institut für Technologie (KIT)
2,31 Fakultät für Informatik (INFORMATIK), Karlsruher Institut für Technologie (KIT)
2 Institut für Theoretische Informatik (ITI), Karlsruher Institut für Technologie (KIT)
3 Institut für Meteorologie und Klimaforschung Atmosphärische Spurengase und Fernerkundung (IMKASF), Karlsruher Institut für Technologie (KIT)
| Zugehörige Institution(en) am KIT | Institut für Meteorologie und Klimaforschung Atmosphärische Spurengase und Fernerkundung (IMKASF) Institut für Theoretische Informatik (ITI) |
| Publikationstyp | Proceedingsbeitrag |
| Publikationsjahr | 2024 |
| Sprache | Englisch |
| Identifikator | KITopen-ID: 1000170291 |
| HGF-Programm | 12.11.32 (POF IV, LK 01) Advancing atmospheric and Earth system models |
| Erschienen in | EGU General Assembly 2024 |
| Veranstaltung | European Geosciences Union General Assembly (EGU 2024), Wien, Österreich, 14.04.2024 – 19.04.2024 |
| Verlag | Copernicus |
| Vorab online veröffentlicht am | 11.03.2024 |
| Nachgewiesen in | Dimensions OpenAlex |
| Globale Ziele für nachhaltige Entwicklung |