Historical temperature measurements are the basis of global climate datasets like HadCRUT4. This dataset contains many missing values, particularly for periods before the mid-twentieth century, although recent years are also incomplete. Here we demonstrate that artificial intelligence can skilfully fill these observational gaps when combined with numerical climate model data. We show that recently developed image inpainting techniques perform accurate monthly reconstructions via transfer learning using either 20CR (Twentieth-Century Reanalysis) or the CMIP5 (Coupled Model Intercomparison Project Phase 5) experiments. The resulting global annual mean temperature time series exhibit high Pearson correlation coefficients (≥0.9941) and low root mean squared errors (≤0.0547 °C) as compared with the original data. These techniques also provide advantages relative to state-of-the-art kriging interpolation and principal component analysis-based infilling. When applied to HadCRUT4, our method restores a missing spatial pattern of the documented El Niño from July 1877. With respect to the global mean temperature time series, a HadCRUT4 reconstruction by our method points to a cooler nineteenth century, a less apparent hiatus in the twenty-first century, an even warmer 2016 being the warmest year on record and a stronger global trend between 1850 and 2018 relative to previous estimates. We propose image inpainting as an approach to reconstruct missing climate information and thereby reduce uncertainties and biases in climate records.

历史温度测量是像HadCRUT4这样的全球气候数据集的基础。该数据集包含许多缺失值，尤其是在二十世纪中叶之前的时期，尽管近年来也不完整。在这里，我们证明了当与数值气候模型数据结合使用时，人工智能可以巧妙地填补这些观测空白。我们表明，最近开发的图像修复技术通过使用20CR（20世纪再分析）或CMIP5（耦合模型比对项目第5阶段）实验的传递学习来执行精确的每月重建。与原始数据相比，所得的全球年平均温度时间序列显示出较高的皮尔逊相关系数（≥0.9941）和较低的均方根误差（≤0.0547°C）。相对于最新的克里金插值法和基于主成分分析的填充法，这些技术也具有优势。当应用于HadCRUT4时，我们的方法恢复了1877年7月以来记录的厄尔尼诺现象的缺失空间格局。相对于全球平均温度时间序列，我们的方法对HadCRUT4的重建指向一个较凉爽的19世纪，该现象在世界上不太明显。进入21世纪，2016年更暖和是有记录以来最热的一年，相对于以前的估计，1850年至2018年之间的全球趋势更加强劲。我们提出图像修补作为一种重建缺失的气候信息的方法，从而减少气候记录中的不确定性和偏差。我们的方法恢复了1877年7月以来记载的厄尔尼诺现象的缺失的空间格局。关于全球平均温度时间序列，我们的方法对HadCRUT4的重建指向19世纪较凉爽的世纪，而在21世纪则不太明显。与以前的估计相比，2016年更暖和是有记录以来最热的一年，并且1850年至2018年之间的全球趋势更加强劲。我们提出图像修补作为一种重建缺失的气候信息的方法，从而减少气候记录中的不确定性和偏差。我们的方法恢复了1877年7月以来记录在案的厄尔尼诺现象的缺失的空间格局。关于全球平均温度时间序列，我们的方法对HadCRUT4进行的重构指出，十九世纪较为凉爽，而二十一世纪则不太明显，与以前的估计相比，2016年更暖和是有记录以来最热的一年，并且1850年至2018年之间的全球趋势更加强劲。我们提出图像修补作为一种重建缺失的气候信息的方法，从而减少气候记录中的不确定性和偏差。与以前的估计相比，2016年更暖和是有记录以来最热的一年，并且1850年至2018年之间的全球趋势更加强劲。我们提出图像修补作为一种重建缺失的气候信息的方法，从而减少气候记录中的不确定性和偏差。与以前的估计相比，2016年更暖和是有记录以来最热的一年，并且1850年至2018年之间的全球趋势更加强劲。我们提出图像修补作为一种重建缺失的气候信息的方法，从而减少气候记录中的不确定性和偏差。