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

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。

大气冰冻圈总量与时空结构

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.