期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于多种机器学习及其堆叠式集成方法的月尺度北极海冰预测研究
被引量:
2
1
作者
岳瀚栋
窦挺峰
+2 位作者
李润奎
丁明虎
效存德
《冰川冻土》
CSCD
北大核心
2023年第3期893-901,共9页
北极海冰范围退缩已对区域和全球气候变化、北极通航性乃至地缘政治格局产生了深远影响,开展北极海冰预测具有重要意义。本文使用美国冰雪数据中心(NSIDC)发布的海冰密集度、海冰冰龄遥感资料以及ERA5再分析资料,结合前人研究和海气耦...
北极海冰范围退缩已对区域和全球气候变化、北极通航性乃至地缘政治格局产生了深远影响,开展北极海冰预测具有重要意义。本文使用美国冰雪数据中心(NSIDC)发布的海冰密集度、海冰冰龄遥感资料以及ERA5再分析资料,结合前人研究和海气耦合模式结果选择预测参量方案,开展了月尺度的海冰冰情预测。比较了支持向量机(SVR)、深度森林(DF)、LightGBM (LGB)、XGBoost(XGB)和CatBoost (CAT)等5种机器学习算法和以树模型LGB、XGB和CAT作为基模型,以贝叶斯回归、岭回归、套索回归和深度森林作为元模型的4种堆叠式集成学习模型,以及深度神经网络(DNN)、卷积神经网络(CNN)、时空卷积网络(ConvLSTM)3种深度学习模型在2000年测试集上对海冰范围和密集度空间分布的预测效果。结果表明:在海冰密集度预测中,ConvLSTM表现最优,套索堆叠集成学习模型预测效果次之。集成学习模型相较于三种单一树模型在预测效果上有约1%~4%的提升。在海冰范围预测中,堆叠式集成学习模型的预测效果最好。本研究为开展机器学习海冰预测奠定了重要基础。
展开更多
关键词
海冰预测
机器学习
北极
海冰范围
海冰密集度
下载PDF
职称材料
大气冰冻圈总量与时空结构
2
作者
许高洁
窦挺峰
+4 位作者
杨一帆
岳瀚栋
胡斯勒图
马丽娟
效存德
《科学通报》
EI
CAS
CSCD
北大核心
2022年第34期4130-4139,共10页
大气冰冻圈是大气层内所有冰体的总称,包括冰晶、雪花等,对全球辐射平衡、水循环和灾害天气的形成均具有重要影响,长期以来受到广泛关注.然而,将大气冰冻圈作为一个整体圈层的定量研究较少,相关认识基本停留在概念和理论阶段.本文基于Cl...
大气冰冻圈是大气层内所有冰体的总称,包括冰晶、雪花等,对全球辐射平衡、水循环和灾害天气的形成均具有重要影响,长期以来受到广泛关注.然而,将大气冰冻圈作为一个整体圈层的定量研究较少,相关认识基本停留在概念和理论阶段.本文基于CloudSat和CALIPSO卫星数据联合反演的DARDAR产品,估算了全球大气冰冻圈的总量、三维空间分布和季节变化特征.结果显示:大气冰冻圈总质量约为63[58.8~65.7]Gt,上界为高层冰云的云顶,下界略低于零温层.大尺度环流系统决定了大气冰冻圈的纬向带状分布特征,冰晶形成与增长的微物理机制导致大气冰体在热带上空–8°C等温层出现高值中心.大气冰体的高值区主要分布于低纬度强对流区,从垂直剖面上看,主要分布于对流层中层和低层.痕量冰区(冰水路径<15.0 g/m^(2))主要分布于副热带等高压系统控制区.在高海拔地区,由于水汽含量较低,大气冰含量整体偏低,如青藏高原冬季冰水路径仅为31.3 g/m^(2),约为全球平均值的四分之一.该项研究为进一步认识大气冰冻圈的天气气候效应奠定了基础.
展开更多
关键词
大气冰冻圈
强对流
冰水路径
零温层
痕量冰区
原文传递
题名
基于多种机器学习及其堆叠式集成方法的月尺度北极海冰预测研究
被引量:
2
1
作者
岳瀚栋
窦挺峰
李润奎
丁明虎
效存德
机构
中国科学院大学资源与环境学院
中国气象科学研究院灾害天气国家重点实验室/全球变化与极地研究所
北京师范大学地表过程与资源生态国家重点实验室
出处
《冰川冻土》
CSCD
北大核心
2023年第3期893-901,共9页
基金
国家自然科学基金项目(42222608)
国家重点研发计划项目(2018YFCl406100)资助。
文摘
北极海冰范围退缩已对区域和全球气候变化、北极通航性乃至地缘政治格局产生了深远影响,开展北极海冰预测具有重要意义。本文使用美国冰雪数据中心(NSIDC)发布的海冰密集度、海冰冰龄遥感资料以及ERA5再分析资料,结合前人研究和海气耦合模式结果选择预测参量方案,开展了月尺度的海冰冰情预测。比较了支持向量机(SVR)、深度森林(DF)、LightGBM (LGB)、XGBoost(XGB)和CatBoost (CAT)等5种机器学习算法和以树模型LGB、XGB和CAT作为基模型,以贝叶斯回归、岭回归、套索回归和深度森林作为元模型的4种堆叠式集成学习模型,以及深度神经网络(DNN)、卷积神经网络(CNN)、时空卷积网络(ConvLSTM)3种深度学习模型在2000年测试集上对海冰范围和密集度空间分布的预测效果。结果表明:在海冰密集度预测中,ConvLSTM表现最优,套索堆叠集成学习模型预测效果次之。集成学习模型相较于三种单一树模型在预测效果上有约1%~4%的提升。在海冰范围预测中,堆叠式集成学习模型的预测效果最好。本研究为开展机器学习海冰预测奠定了重要基础。
关键词
海冰预测
机器学习
北极
海冰范围
海冰密集度
Keywords
sea ice prediction
machine learning
Arctic
sea ice extent
sea ice concentration
分类号
P731.15 [天文地球—海洋科学]
下载PDF
职称材料
题名
大气冰冻圈总量与时空结构
2
作者
许高洁
窦挺峰
杨一帆
岳瀚栋
胡斯勒图
马丽娟
效存德
机构
中国科学院大学资源与环境学院
中国科学院空天信息创新研究院
中国气象局国家气候中心
北京师范大学地表过程与资源生态国家重点实验室
出处
《科学通报》
EI
CAS
CSCD
北大核心
2022年第34期4130-4139,共10页
基金
国家自然科学基金(41971084,42222608)资助。
文摘
大气冰冻圈是大气层内所有冰体的总称,包括冰晶、雪花等,对全球辐射平衡、水循环和灾害天气的形成均具有重要影响,长期以来受到广泛关注.然而,将大气冰冻圈作为一个整体圈层的定量研究较少,相关认识基本停留在概念和理论阶段.本文基于CloudSat和CALIPSO卫星数据联合反演的DARDAR产品,估算了全球大气冰冻圈的总量、三维空间分布和季节变化特征.结果显示:大气冰冻圈总质量约为63[58.8~65.7]Gt,上界为高层冰云的云顶,下界略低于零温层.大尺度环流系统决定了大气冰冻圈的纬向带状分布特征,冰晶形成与增长的微物理机制导致大气冰体在热带上空–8°C等温层出现高值中心.大气冰体的高值区主要分布于低纬度强对流区,从垂直剖面上看,主要分布于对流层中层和低层.痕量冰区(冰水路径<15.0 g/m^(2))主要分布于副热带等高压系统控制区.在高海拔地区,由于水汽含量较低,大气冰含量整体偏低,如青藏高原冬季冰水路径仅为31.3 g/m^(2),约为全球平均值的四分之一.该项研究为进一步认识大气冰冻圈的天气气候效应奠定了基础.
关键词
大气冰冻圈
强对流
冰水路径
零温层
痕量冰区
Keywords
aerial cryosphere
deep convection
ice water path
zero temperature layer
trace ice area
分类号
P42 [天文地球—大气科学及气象学]
原文传递
题名
作者
出处
发文年
被引量
操作
1
基于多种机器学习及其堆叠式集成方法的月尺度北极海冰预测研究
岳瀚栋
窦挺峰
李润奎
丁明虎
效存德
《冰川冻土》
CSCD
北大核心
2023
2
下载PDF
职称材料
2
大气冰冻圈总量与时空结构
许高洁
窦挺峰
杨一帆
岳瀚栋
胡斯勒图
马丽娟
效存德
《科学通报》
EI
CAS
CSCD
北大核心
2022
0
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部