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
3
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
基于集成学习的全球农地区域旱情监测方法与研究
1
作者
许立兵
俞乐
+2 位作者
杜贞容
周峥
梁逸爽
《农业与技术》
2023年第14期47-54,共8页
农业是对全球变化响应最为敏感的部门之一,也是国民经济发展和社会稳定的基石。在全球农地区域,利用2002—2020年的MODIS数据分别计算归一化植被指数(NDVI)、植被健康指数(VHI)、叶面积指数(LAI)、总初级生产力指数(GPP),通过皮尔森相...
农业是对全球变化响应最为敏感的部门之一,也是国民经济发展和社会稳定的基石。在全球农地区域,利用2002—2020年的MODIS数据分别计算归一化植被指数(NDVI)、植被健康指数(VHI)、叶面积指数(LAI)、总初级生产力指数(GPP),通过皮尔森相关系数(r)分别检验不同遥感指数之间的相关性,以评估不同指数在全球农地监测中的适用性和一致性,结果表明:不同遥感指数在全球的农地区域具有较好的相关性,每8d的NDVI与VHI、LAI、GPP的相关性分别为0.70、0.72、0.60,呈强相关。基于ERA5再分析资料,利用机器学习方法对多遥感指数进行融合,提高旱情监测的准确性,基于逻辑回归、贝叶斯模型、XGBoost模型、LightGBM及Stacking集成学习模型,在测试集上的分类准确率分别为0.69、0.66、0.84、0.83及0.86,基于集成学习融合策略可以有效提高旱情分类的准确率,本文的研究为全球农地旱情监测提供了新的思路和方法,具有较为重要的科研意义与广泛的应用价值。
展开更多
关键词
MODIS数据
遥感指数
相关性分析
机器学习
下载PDF
职称材料
基于机器学习的风场预报订正方法研究
2
作者
许立兵
孔扬
+2 位作者
周峥
王安喜
梁逸爽
《陕西气象》
2023年第1期15-20,共6页
为了实现更准确的站点风预报,结合中尺度数值模式WRF预报结果和自动气象站观测数据,采用反距离加权插值法,将模式网格和观测站点的数据进行融合构建训练集,利用3种机器学习方法对WRF预报的风场结果进行订正,优化风场预报准确率。其中随...
为了实现更准确的站点风预报,结合中尺度数值模式WRF预报结果和自动气象站观测数据,采用反距离加权插值法,将模式网格和观测站点的数据进行融合构建训练集,利用3种机器学习方法对WRF预报的风场结果进行订正,优化风场预报准确率。其中随机森林模型实现风速的预报均方根误差(RMSE)平均降低了18.22%,风向降低了15.97%;LightGBM模型对于风速、风向的RMSE平均降低了18.60%和17.56%;深度神经网络模型对于风速、风向的RMSE平均降低了5.53%和9.10%。对2020年宁波市9个大风过程进行检验,利用LightGBM模型对于3个站点预报进行订正,结果表明风速的RMSE从4.61 m/s下降到2.14 m/s,平均降低了53.58%,风向的RMSE从30.31°下降到18.20°,平均降低了39.95%。
展开更多
关键词
WRF模式
机器学习
模型解释
大风检验
下载PDF
职称材料
清华大学CIESM模式及其参与CMIP6的方案
被引量:
5
3
作者
林岩銮
黄小猛
+32 位作者
梁逸爽
秦怡
徐世明
黄文誉
徐芳华
刘利
王勇
彭怡然
王兰宁
薛巍
付昊桓
张广俊
王斌
李锐喆
张诚
卢麾
阳坤
罗勇
白玉琪
宋振亚
王敏琦
赵文婕
张峰
徐敬蘅
赵曦
陆春松
骆亦其
陈奕兆
胡勇
唐强
陈德训
杨广文
宫鹏
《气候变化研究进展》
CSCD
北大核心
2019年第5期545-550,共6页
世界气候研究计划(WCRP)组织实施第六次国际耦合模式比较计划(CMIP6),清华大学联合国内多家单位,通过多年的模式研发,完成联合地球系统模式(CIESM),除了CMIP6的气候诊断、评估和描述试验(DECK)和历史气候模拟试验(Historical),模式拟参...
世界气候研究计划(WCRP)组织实施第六次国际耦合模式比较计划(CMIP6),清华大学联合国内多家单位,通过多年的模式研发,完成联合地球系统模式(CIESM),除了CMIP6的气候诊断、评估和描述试验(DECK)和历史气候模拟试验(Historical),模式拟参与6个CMIP6子计划。通过介绍该模式的基本情况及其参与的试验子计划,为今后模式试验数据使用者提供参考。
展开更多
关键词
清华大学
联合地球系统模式(CIESM)
CMIP6
气候系统模式
地球系统模式
下载PDF
职称材料
题名
基于集成学习的全球农地区域旱情监测方法与研究
1
作者
许立兵
俞乐
杜贞容
周峥
梁逸爽
机构
国家超级计算无锡中心
无锡九方科技有限公司
清华大学地球系统科学系
出处
《农业与技术》
2023年第14期47-54,共8页
基金
“十二五”国家重大科技基础设施项目“地球系统数值模拟装置”(项目编号:20223080017)
清华大学自主科研计划资助(项目编号:2021Z11GHX002)。
文摘
农业是对全球变化响应最为敏感的部门之一,也是国民经济发展和社会稳定的基石。在全球农地区域,利用2002—2020年的MODIS数据分别计算归一化植被指数(NDVI)、植被健康指数(VHI)、叶面积指数(LAI)、总初级生产力指数(GPP),通过皮尔森相关系数(r)分别检验不同遥感指数之间的相关性,以评估不同指数在全球农地监测中的适用性和一致性,结果表明:不同遥感指数在全球的农地区域具有较好的相关性,每8d的NDVI与VHI、LAI、GPP的相关性分别为0.70、0.72、0.60,呈强相关。基于ERA5再分析资料,利用机器学习方法对多遥感指数进行融合,提高旱情监测的准确性,基于逻辑回归、贝叶斯模型、XGBoost模型、LightGBM及Stacking集成学习模型,在测试集上的分类准确率分别为0.69、0.66、0.84、0.83及0.86,基于集成学习融合策略可以有效提高旱情分类的准确率,本文的研究为全球农地旱情监测提供了新的思路和方法,具有较为重要的科研意义与广泛的应用价值。
关键词
MODIS数据
遥感指数
相关性分析
机器学习
分类号
S127 [农业科学—农业基础科学]
下载PDF
职称材料
题名
基于机器学习的风场预报订正方法研究
2
作者
许立兵
孔扬
周峥
王安喜
梁逸爽
机构
国家超级计算无锡中心
无锡九方科技有限公司
宁波市气象局
宁波市气象灾害应急预警中心
清华大学地球系统科学系
出处
《陕西气象》
2023年第1期15-20,共6页
基金
国家重点研发计划项目(2018YFB0505000)
宁波市“科技创新2025”重大专项(2019B10025)
宁波市气象科技计划项目(NBQX2020003B)。
文摘
为了实现更准确的站点风预报,结合中尺度数值模式WRF预报结果和自动气象站观测数据,采用反距离加权插值法,将模式网格和观测站点的数据进行融合构建训练集,利用3种机器学习方法对WRF预报的风场结果进行订正,优化风场预报准确率。其中随机森林模型实现风速的预报均方根误差(RMSE)平均降低了18.22%,风向降低了15.97%;LightGBM模型对于风速、风向的RMSE平均降低了18.60%和17.56%;深度神经网络模型对于风速、风向的RMSE平均降低了5.53%和9.10%。对2020年宁波市9个大风过程进行检验,利用LightGBM模型对于3个站点预报进行订正,结果表明风速的RMSE从4.61 m/s下降到2.14 m/s,平均降低了53.58%,风向的RMSE从30.31°下降到18.20°,平均降低了39.95%。
关键词
WRF模式
机器学习
模型解释
大风检验
分类号
P457.5 [天文地球—大气科学及气象学]
下载PDF
职称材料
题名
清华大学CIESM模式及其参与CMIP6的方案
被引量:
5
3
作者
林岩銮
黄小猛
梁逸爽
秦怡
徐世明
黄文誉
徐芳华
刘利
王勇
彭怡然
王兰宁
薛巍
付昊桓
张广俊
王斌
李锐喆
张诚
卢麾
阳坤
罗勇
白玉琪
宋振亚
王敏琦
赵文婕
张峰
徐敬蘅
赵曦
陆春松
骆亦其
陈奕兆
胡勇
唐强
陈德训
杨广文
宫鹏
机构
清华大学地球系统科学系/地球系统数值模拟教育部重点实验室
北京师范大学
自然资源部第一海洋研究所
中国科学院大气物理研究所
南京信息工程大学
南京林业大学
无锡江南计算技术研究所
国家超级计算无锡中心
出处
《气候变化研究进展》
CSCD
北大核心
2019年第5期545-550,共6页
基金
清华大学自主研究计划(20131089356)
文摘
世界气候研究计划(WCRP)组织实施第六次国际耦合模式比较计划(CMIP6),清华大学联合国内多家单位,通过多年的模式研发,完成联合地球系统模式(CIESM),除了CMIP6的气候诊断、评估和描述试验(DECK)和历史气候模拟试验(Historical),模式拟参与6个CMIP6子计划。通过介绍该模式的基本情况及其参与的试验子计划,为今后模式试验数据使用者提供参考。
关键词
清华大学
联合地球系统模式(CIESM)
CMIP6
气候系统模式
地球系统模式
Keywords
Tsinghua University
Community Integrated Earth System Model(CIESM)
CMIP6
Climate system model(CSM)
Earth system model(ESM)
分类号
P435 [天文地球—大气科学及气象学]
P467 [天文地球—大气科学及气象学]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于集成学习的全球农地区域旱情监测方法与研究
许立兵
俞乐
杜贞容
周峥
梁逸爽
《农业与技术》
2023
0
下载PDF
职称材料
2
基于机器学习的风场预报订正方法研究
许立兵
孔扬
周峥
王安喜
梁逸爽
《陕西气象》
2023
0
下载PDF
职称材料
3
清华大学CIESM模式及其参与CMIP6的方案
林岩銮
黄小猛
梁逸爽
秦怡
徐世明
黄文誉
徐芳华
刘利
王勇
彭怡然
王兰宁
薛巍
付昊桓
张广俊
王斌
李锐喆
张诚
卢麾
阳坤
罗勇
白玉琪
宋振亚
王敏琦
赵文婕
张峰
徐敬蘅
赵曦
陆春松
骆亦其
陈奕兆
胡勇
唐强
陈德训
杨广文
宫鹏
《气候变化研究进展》
CSCD
北大核心
2019
5
下载PDF
职称材料
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