您现在的位置: 首页> 研究主题> 统计降尺度

统计降尺度

统计降尺度的相关文献在2006年到2023年内共计167篇,主要集中在大气科学(气象学)、地球物理学、水利工程 等领域,其中期刊论文147篇、会议论文8篇、专利文献63434篇;相关期刊73种,包括大气科学、应用气象学报、资源科学等; 相关会议7种,包括第32届中国气象学会年会、第十一届中国水论坛、2011年第二十八届中国气象学会年会等;统计降尺度的相关文献由483位作者贡献,包括徐宗学、江志红、郭家力等。

统计降尺度—发文量

期刊论文>

论文:147 占比:0.23%

会议论文>

论文:8 占比:0.01%

专利文献>

论文:63434 占比:99.76%

总计:63589篇

统计降尺度—发文趋势图

统计降尺度

-研究学者

  • 徐宗学
  • 江志红
  • 郭家力
  • 刘绿柳
  • 智协飞
  • 刘浏
  • 刘颖
  • 刘兆飞
  • 孙林海
  • 张静文
  • 期刊论文
  • 会议论文
  • 专利文献

搜索

排序:

年份

    • 张佳怡; 伦玉蕊; 刘浏; 刘宇轩; 李鑫; 徐宗学
    • 摘要: 随着CMIP6(coupled model intercomparison project phase 6)计划进行,新一代大气环流模式(general circulation model,GCM)输出结果陆续发布,及时探究在新模式新情景下青藏高原未来降水及气温的变化规律至关重要.在对CMIP6多模式进行适应性评估的基础上,运用DM(direct method)统计降尺度方法,以1979-2014年为基准期,预估青藏高原未来近期(2031-2050年)、远期(2061-2080年)在共享社会经济路径与典型浓度路径组合情景(shared socioeconomic pathways and the representative concentration pathways,SSP)包括低强迫情景(SSP126)、中等强迫情景(SSP245)、中等至高强迫情景(SSP370)、高强迫情景(SSP585)下的降水、平均气温、最低气温、最高气温的时空演变规律.结果表明:相较于基准期,不同GCM对青藏高原未来降水的预估总体呈现增加趋势,近期降水较基准期变幅为-3%~16%,远期变幅为-1%~21%.未来平均气温、最低气温和最高气温均呈现一致的增温趋势,且增幅较为一致.相较于基准期,近期气温变化范围为0.9~2.3°C,远期气温变化范围为1.01~4.6°C.随着排放强度的增加,三者升温趋势愈加显著,即升温趋势由强至弱排序为SSP585、SSP370、SSP245、SSP126.此外,青藏高原气温变化在海拔高度上具有显著的依赖性,整体表现为青藏高原北部高海拔地区增温高于青藏高原东南部低海拔地区.研究结果可为揭示气候变化对高寒区水循环的影响机制提供科学依据.
    • 嵇浩宇; 彭定志; 赵珂珂; 梁雅琪; 古玉; 邓陈宁
    • 摘要: 利用2001—2014年TRMM 3B43、MODIS等数据,采用“统计降尺度+GDA校正”的方法对拉萨河流域TRMM 3B43降水数据进行降尺度校正,构建高分辨率TRMM降水数据。在对TRMM 3B43降水数据进行适用性检验的基础上,构建了TRMM月降水量与气温、NDVI因子间的多元线性回归关系,获得更为精细的0.05°×0.05°TRMM 3B43降水数据。结合实测数据,通过GDA法对0.05°×0.05°降水数据进行误差校正,提升TRMM降水数据精度。并与实测数据进行相关分析和误差检验,验证“统计降尺度+GDA校正”方法对于获得高分辨率TRMM降水数据的可行性。最后应用降尺度校正数据驱动VIC模型作为降水数据未来使用潜力的的初步探究。结果表明:实测数据与TRMM 3B43降水数据具有较高的相关关系,但整体上有高估现象存在;降尺度校正模型模拟的降水在提高空间分辨率的基础上具有较高的精度,与实测站点的相关系数均在0.91以上,均值达到0.95;在月尺度上,降尺度校正模型模拟的降水月相关系数较TRMM原始数据均有所提升,其中6—10月明显好于其他月份;降尺度校正后的降水数据在径流模拟中有较好的表现,NSE率定期0.75,验证期0.72,在无资料地区径流模拟中具有良好前景。
    • 吴寒雨; 董晓华; 董立俊; 龚成麒; 欧阳习军; 喻丹
    • 摘要: 雅砻江流域是我国重要的水电能源基地,在全球气候变化背景下,研究雅砻江流域内降水变化规律及未来的降水变化趋势具有重要意义。利用SDSM统计降尺度模型对GCM全球气候模式数据进行降尺度,模拟雅砻江流域未来的降水变化情况。通过趋势分析、M-K趋势检验及突变检验、Morlet小波分析等方法分析了雅砻江流域历史期及未来3种浓度路径情景下的降水量时空变化趋势及特征。结果表明:各时期雅砻江流域的年降水量均呈现增加趋势,增加幅度为RCP8.5情景>RCP4.5情景>历史期>RCP2.6情景;其空间特征表现为上游降水量的上升幅度高于下游。各时期降水量的季节变化情况存在一定差异。除RCP2.6情景下,流域各时期均存在降水量增加的突变,历史期上游的突变年份为1986年,下游无显著突变,在未来期突变年份大多集中于中景期(2041-2070年)。对于周期变化,流域历史期和RCP2.6情景下的周期变化更加显著,且同时存在多周期:1~4 a短周期和4~8 a中周期。在RCP4.5情景和RCP8.5情景下周期出现的频次更高,均为1~4 a的短周期,说明未来这两种情景下会呈现周期持续时间长且频率较短的周期变化特征。上述结果表明,雅砻江流域在未来RCP2.6情景下降水量无明显变化,但在RCP4.5以及RCP8.5情景下流域的降水量增加趋势都非常显著,因此需要考虑未来气候变化导致的降雨径流变化,做好对现有梯级水库群及流域水资源调度策略进行适应性应用的准备。
    • 张慕琪; 闻新宇; 包赟; 屈永霖
    • 摘要: 针对中国地区的气候预估问题,开发一套高时空分辨率(空间分辨率:0.25°;时间分辨率:逐日)的统计降尺度气候变化数据集。降尺度气候预估结果表明:1)在传统降尺度方法的基础上引入人工神经网络算法,开发高时空分辨率的降尺度气候数据,技术上简便可行;2)将这种新方法应用到模式的历史模拟数据上,温度和降水的气候态偏差显著减小,其中部分地区的温度偏差可从5°C减至1°C以下,降水偏差可从5 mm减至0.5 mm以内;3)将这种新方法应用到模式的未来情景数据上,既能保留气候模式原有的对长期趋势的估计,又可进一步微调幅度和空间分布,其中在RCP8.5情景中,到本世纪末,中国各地温度普遍升高3~4°C,降水总量变化不大,但有北方增多、南方减少的微弱趋势。所提出的基于人工神经网络的统计降尺度方法对温度变量具有一定的普适性,所开发的高分辨率气候变化数据集可以在其他全球变化相关学科的研究中使用。
    • 田笑; 余文韬; 从靖; 周红梅
    • 摘要: 基于ECWMF模式预报数据对2018年3—11月降水和2 m温度进行统计降尺度,利用先频率匹配法、再阈值法对插值后的降水订正,利用Kalman滤波型的递减平均统计降尺度法对插值后的温度订正,最终获得逐小时降水量和温度的预报。结果表明:(1)对于晴雨预报准确率,绝大多数预报时效频率匹配法和阈值法均对其有明显提高,前者最大改进幅度可达20%以上。对于相对误差,阈值法对空报现象有较显著改进。对于1 h降雨量大于等于20 mm的短时强降水,频率匹配法订正后的TS评分有明显提高。对2018年"安比"台风事件,除具有以上改进效果外,频率匹配法提高了降水主体形态和量级的预报水平,阈值法对空报站订正正确。(2)对于温度的ECWMF模式预报检验,几乎在任何预报时效内都是3月的绝对误差最大。通过Kalman滤波型的递减平均统计降尺度法后,各月的绝对误差都有不同程度减小。总体上,订正后的绝对误差曲线仍具有订正前的周期性波动,波峰、波谷位置也与订正前基本一致,且绝对误差越大,订正幅度越大。个例分析也表明订正后保留了温度预报空间分布的准确性,且绝对误差有明显下降。
    • 肖梓明; 张行南; 方园皓
    • 摘要: 合理的水资源管理配置在农业灌溉中起着重要作用。为了构建水资源管理模型,需要水文模型为多水源、多目标、多不确定性的水资源分配问题提供最优解法,而降雨数据在水文模拟中为重要输入。不少学者利用了大气环流模式输出的降雨数据,但其分辨率过低,难以直接运用到水文模型中。以横江流域为例,采用4种机器学习方法对ERA5再分析数据中的降雨数据进行统计降尺度研究,利用TS评分、相关系数、平均绝对误差来评价降尺度后的数据效果,结果表明:支持向量机(SVM)在晴雨准确率和降雨量准确率两个方面效果较好;将降尺度后的降雨数据输入新安江模型进行水文模拟,结果表明:ERA5原始数据在水文模拟中效果较差,存在着整体水量偏大的问题,采用人工神经网络(ANN)方法进行统计降尺度取得的效果较好,可为农业灌溉提供支持。
    • 缪文飞; 刘时银; 朱钰; 段仕美; 韩丰泽
    • 摘要: 梅里雪山地区是中国地形起伏最大的地区之一,其气候环境复杂多变、空间分异特征显著,对区域气温和降水的系统分析有助于揭示区域内冰川变化的原因和水文循环过程。站点观测的缺乏和再分析资料的低空间分辨率是精细刻画该地区气象条件的主要制约因素。研究中首先基于有限站点观测,采用尺度因子法和月尺度的回归校正对ERA5-Land产品进行校准;然后,考虑气温和降水的海拔效应,采用Anusplin插值的方式对校准后的结果进行统计降尺度。最终获得了梅里雪山地区近30年(1990—2020年)1 km空间分辨率的气温、降水数据,并以此分析了这一地区降水、气温的时空异质性及其在不同海拔梯度上的表现特征。结果表明,区域气温以0.15°C/(10 a)的速率呈显著上升趋势,且各季节升温的幅度及分布范围各异;降水则以-41.19 mm/(10 a)的速率呈显著下降趋势,整个区域呈“变暖变干”的倾向。区域增温具有明显的海拔依赖性,海拔低于4000 m和>5000 m时,增温不随海拔变化而变化,当海拔处于4000~5000 m时,增温幅度随海拔升高而增加。区域降水也具有显著的海拔梯度效应,当海拔<5000 m时,西坡降水随海拔的升高而减少,当超过该海拔后降水随海拔升高而增加;东坡降水始终随海拔升高而增加。梅里雪山气候变化的时空分异特征是大气环流背景和复杂地理环境共同作用的结果。区域持续的变暖及降水的减少可能会进一步加重该区冰川水资源的流失。
    • 董甲平; 冶运涛; 顾晶晶; 曹引; 段浩; 赵红莉; 蒋云钟
    • 摘要: 为提高卫星降水产品空间分辨率以满足精细水文研究需要,以滦河流域为研究对象,针对在中国区域精度较高的全球降水观测计划多卫星降水产品(IMERG),使用NDVI、DEM、坡度、坡向、经纬度和降水关系,构建了一种基于卷积神经网络的降水降尺度模型,探讨了模型在年、季、月和旬的表现及模型参数的变化情况。结果表明:降尺度结果与原始数据相比,年、季、月降尺度结果的相似指数分别超过0.94、0.89和0.69,旬尺度也能有效表征降水情况;与中国日降水站点分析产品(CGDPA)相比,年、季、月和旬降尺度结果的平均相似指数分别为0.58、0.78、0.68、0.47;模型参数的相似度会随着模型层数的深入逐渐增大。证明该模型具有良好的收敛性,在流域范围的降尺度应用方面具有良好的潜力。
    • 苏海锋; 戴新刚; 熊喆; 延晓冬
    • 摘要: 借助第五阶段国际耦合模式比较计划(CMIP5)多模式集合数据、欧洲中期预报中心再分析资料及黑河流域站点观测记录等,检验了模式降水估计偏差,设计了3种降尺度方法,对2011~2100年模式集合预估降水做了降尺度偏差订正。结果表明,即使去掉模式气候飘移,在黑河流域的模拟或估计降水偏差依然较大。本文选用15个CMIP5模式集合做降水预估。依据贝叶斯模式平均(BMA)和多元线性回归(MLR)构造降尺度模型,其因子有700 hPa位势高度场、经向风和比湿等。检验表明,两种降尺度模型各有优缺点,BMA降尺度降水平均值精度较高,但方差和相关系数较低;MLR的方差和相关系数均较高,但在黑河下游极端干旱区或少雨季节易出现“负降水”偏差。在降尺度模型中加入模式降水因子后,BMA的降水方差和相关系数均有明显提高,MLR的负降水问题得到一定程度抑制。BMA模型在黑河上游最优,MLR在中、下游及整个流域最优。因此,选用BMA和MLR对RCP4.5情景下2011~2100年的降水预估做降尺度偏差订正,结果表明,经BMA和MLR降尺度后预估的整个黑河流域降水呈下降趋势,相对于1971~2000年参考期,流域前期(2011~2040年)、中期(2041~2070年)、后期(2071~2100年)降水下降率依次为−9.7%、−12.5、−12.1%,即前、中期降水明显减少,后期变化不大。其中上游降水有一个弱的增加趋势,其变化率依次为1.4%、1.6%、2.3%;中游降水呈明显减少趋势,其变化率依次为−16.3%、−21.4%、−22.6%;下游降水前期减少,中、后期明显增加,其变化率依次为−13.0%、4.2%、21.4%。该预估结果表明,随着全球气候暖化,黑河上游祁连山区降水会缓慢增加,但中游农耕区降水明显减少,流域水资源供需矛盾可能会进一步加剧。因此,黑河流域未来的分水方案及相关的生态、农业、经济等发展规划需要据此做一些调整,以适应未来气候和黑河流域水资源的可能变化。
    • 杨绚; 代刊; 朱跃建
    • 摘要: 中国智能网格天气预报已初步建立0-30 d涵盖基本气象要素的无缝隙气象预报业务体系。近年深度学习技术兴起,给不同领域带来前所未有的变革。同样,深度学习的非线性映射能力、海量信息提取能力、时空建模能力等优势为进一步提升智能网格预报的准确性和精细化水平提供了新的思路和方法。越来越多的研究将深度学习技术应用于智能网格预报的各个方面,包括数值预报订正和解释应用、集合天气预报、相似集合、统计降尺度、纯数据驱动的预报模型和极端天气预报等,并展示出良好的应用潜力。然而,目前深度学习技术在天气预报领域的应用仍处于起步阶段,将其引入智能网格预报业务体系还面临诸多挑战,主要包括算法的选择、算法的数据基础、多源数据融合以及模型的可解释性、可信度、可用性和工程化等。通过回顾近年来深度学习技术在智能网格预报中的应用进展和前景,同时对面临的挑战与应对进行探讨,将有利于促进深度学习技术在天气客观预报领域更好、更稳定的发展。
  • 查看更多

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号