利用1981—2023年NCEP/NCAR逐日再分析资料、NOAA逐日向外长波辐射资料、湖南省97个站点逐日气温及NCEP、CMA两家次季节-季节(sub-seasonal to seasonal,S2S)预测业务模式预报产品,使用卷积神经网络(convolutional neural network,CNN)...利用1981—2023年NCEP/NCAR逐日再分析资料、NOAA逐日向外长波辐射资料、湖南省97个站点逐日气温及NCEP、CMA两家次季节-季节(sub-seasonal to seasonal,S2S)预测业务模式预报产品,使用卷积神经网络(convolutional neural network,CNN)和迁移学习方法,建立了湖南次季节尺度气温预测模型,并与动力模式预报技巧进行对比评估。结果表明:CNN模型在不同起报时间(提前1~10 d)对月气温距平预测的空间相关系数相比两家动力模式具有显著优势,同时时间相关系数、符号一致率和均方根误差也得到一定的提高。可解释性分析显示,热带印度洋地区在深度学习模型中关注度最高,这些区域的预测因子可能是气温预测的重要可预报性来源。展开更多
为湖南省相关部门制定政策措施提供精准数据参考,基于风云三系列卫星B(FY-3B)微波辐射成像仪土壤湿度数据结合湖南省47个自动土壤水分站10 cm土壤体积含水量数据,采用数理统计法对湖南省卫星遥感反演土壤湿度数据的精度进行评价。结果表...为湖南省相关部门制定政策措施提供精准数据参考,基于风云三系列卫星B(FY-3B)微波辐射成像仪土壤湿度数据结合湖南省47个自动土壤水分站10 cm土壤体积含水量数据,采用数理统计法对湖南省卫星遥感反演土壤湿度数据的精度进行评价。结果表明:湖南省FY-3B遥感土壤湿度数据较实测土壤湿度数据平均偏干0.066 m 3/m 3,均方根误差(RMSE)、无偏均方根误差(ubRMSE)和平均相对误差(MRE)分别为0.164 m 3/m 3、0.099 m 3/m 3和50.9%,升轨数据和降轨数据精度大致相当。土壤湿度数据平均偏差呈北部偏湿南部偏干的空间分布特征,数据精度东部地区总体高于西部地区,其中东北部地区精度最高。由于夏季降水、晴热高温、季节性干旱及植被覆盖等因素影响,土壤湿度数据在7—9月偏差最小,RMSE在3月达峰值后逐步降至7月的全年最低值,ubRMSE在7—8月达最高值,MRE最低值出现在10—11月,且各评价指标在7—8月波动最为明显。展开更多
文摘为湖南省相关部门制定政策措施提供精准数据参考,基于风云三系列卫星B(FY-3B)微波辐射成像仪土壤湿度数据结合湖南省47个自动土壤水分站10 cm土壤体积含水量数据,采用数理统计法对湖南省卫星遥感反演土壤湿度数据的精度进行评价。结果表明:湖南省FY-3B遥感土壤湿度数据较实测土壤湿度数据平均偏干0.066 m 3/m 3,均方根误差(RMSE)、无偏均方根误差(ubRMSE)和平均相对误差(MRE)分别为0.164 m 3/m 3、0.099 m 3/m 3和50.9%,升轨数据和降轨数据精度大致相当。土壤湿度数据平均偏差呈北部偏湿南部偏干的空间分布特征,数据精度东部地区总体高于西部地区,其中东北部地区精度最高。由于夏季降水、晴热高温、季节性干旱及植被覆盖等因素影响,土壤湿度数据在7—9月偏差最小,RMSE在3月达峰值后逐步降至7月的全年最低值,ubRMSE在7—8月达最高值,MRE最低值出现在10—11月,且各评价指标在7—8月波动最为明显。
