期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
基于CMIP6多模式的南水北调西线工程区未来气候变化预估
1
作者 石英 徐影 +3 位作者 巢清尘 张梦然 韩振宇 王荣 《气候变化研究进展》 北大核心 2025年第3期340-352,共13页
基于国际耦合模式比较计划第六阶段(CMIP6)的24个全球气候模式结果,预估了SSP1-2.6、SSP2-4.5和SSP5-8.5(分别代表低、中和高排放情景)3种温室气体排放情景下,南水北调西线工程区(分为水源区和受水区)未来气候变化,结果显示:在不同温室... 基于国际耦合模式比较计划第六阶段(CMIP6)的24个全球气候模式结果,预估了SSP1-2.6、SSP2-4.5和SSP5-8.5(分别代表低、中和高排放情景)3种温室气体排放情景下,南水北调西线工程区(分为水源区和受水区)未来气候变化,结果显示:在不同温室气体排放情景下,2021—2100年水源区和受水区年平均气温均呈显著上升趋势,年平均降水和极端降水(以日最大降水量表征)均以增加为主,且随着排放情景的升高,变化幅度增大。从未来变化的空间分布来看,与基准期(1995—2014年)相比,多模式集合平均结果显示水源区和受水区21世纪近期(2021—2040年)、中期(2041—2060年)和末期(2081—2100年)年平均气温均将增加,年平均降水和极端降水将增多,且增幅随时间增大。从未来3个时段区域平均的变化看,所有模式模拟水源区和受水区年平均气温相对基准期均增加,且模式间的一致性较好;模拟年平均降水和极端降水变化则显示出较大的不确定性,总体以增加为主。综合来看,水源区未来降水的变化对南水北调西线工程的规划和建设实施是有利的,但同时也需科学理解预估结果的不确定性。 展开更多
关键词 南水北调西线工程区 水源区 受水区 气候变化预估
在线阅读 下载PDF
东北冷涡暖季气候特征及其降水在黑龙江省的时空分布
2
作者 任丽 刘颖 《大气科学》 北大核心 2025年第2期447-459,共13页
本文使用黑龙江省80个国家站小时降水量资料及NCEP/NCAR再分析资料,分析了1981~2022年暖季(5~9月)东北冷涡及其降水的气候特征,研究了冷涡降水在黑龙江省复杂地形下的时空分布特征。研究结果发现:(1)黑龙江省暖季年平均降水量、冷涡过... 本文使用黑龙江省80个国家站小时降水量资料及NCEP/NCAR再分析资料,分析了1981~2022年暖季(5~9月)东北冷涡及其降水的气候特征,研究了冷涡降水在黑龙江省复杂地形下的时空分布特征。研究结果发现:(1)黑龙江省暖季年平均降水量、冷涡过程降水量及占比均呈现显著的年际、年代际变化特征。暖季年平均降水量在1998年以前为缓慢减弱趋势,之后为明显增强趋势;冷涡过程年平均降水量整体呈现增强趋势。(2)降水量和降水频次的峰值均位于14~17时(北京时)。降水量较降水频次的日变化幅度更大。降水强度越大,其日变化和年际变化特征越显著。(3)强降水发生频次和贡献率均是白天大于夜间。降水强度越大对总降水的影响程度越大。东北冷涡过程中强降水的贡献在增加,降水强度越大增加趋势越显著;弱降水的贡献在减少。(4)极值空间分布特征与局地地形密切相关,平原向山区的过渡区域降水极值最大,极易发生强降水,山区和平原降水极值相对较小。 展开更多
关键词 东北冷涡 日变化 空间分布 地形 短时强降水
在线阅读 下载PDF
人工智能模型“风顺”对中国区域降水技巧检验
3
作者 胡家晖 陆波 +9 位作者 李昊 陈磊 仲晓辉 周辰光 吴捷 冯胤庭 徐邦琪 赵春燕 辛昱杭 赵阳 《大气科学学报》 北大核心 2025年第3期366-376,共11页
次季节预测在农业规划、防灾减灾和水资源管理等领域具有重要意义。基于人工智能的“风顺”次季节预测模型(CMA-AIM-S2S-Fengshun),结合自主研发的CRA-40再分析数据和FY-3E卫星数据,通过级联Swin Transformer模块和智能扰动生成技术,实... 次季节预测在农业规划、防灾减灾和水资源管理等领域具有重要意义。基于人工智能的“风顺”次季节预测模型(CMA-AIM-S2S-Fengshun),结合自主研发的CRA-40再分析数据和FY-3E卫星数据,通过级联Swin Transformer模块和智能扰动生成技术,实现了气候多要素集合预测。对2017—2021年中国区域降水的历史回算检验表明,“风顺”在逐候平均降水预测中的表现显著优于欧洲中期天气预报中心(European Centre for Medium-Range Weather Forecasts,ECMWF)模式,整体技巧提升18.6%,其中华南地区提升41.2%,东部地区提升26.5%。在MJO(Madden-Julian Oscillation)预测方面,“风顺”将技巧保持时间延长至32 d(CRA-40驱动),超过ECMWF的30 d基准。个例分析显示,模型对2024年7月中旬华北强降水过程的落区和强度预测精度更高,提前3~4候捕捉到关键异常信号。 展开更多
关键词 人工智能 次季节预测 降水预测 “风顺”模型
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部