人工智能技术气候预测应用简介

近年来,随着人工智能技术在多个领域大数据分析中的应用,许多研究工作者尝试将地学研究与人工智能跨学科结合,取得了很多新的进展,推动了地球科学的发展。其中气候预测与人类生活以及防灾减灾等息息相关,准确的气候预测至关重要。本文简要总结了人工智能技术在气候预测应用方面的研究进展,包括资料同化、模式参数化、求解偏微分方程、构建统计预测模型、改进数值模式产品释用等领域。这些研究证明了利用人工智能提高气候预测技巧的可能性和适用性,可以极大地节省计算成本和时间。然而人工智能应用也存在诸多挑战,例如数据集的构建、模型的适用性和物理可解释性等问题,对这些难点问题的研究和攻克,可以让人工智能在大数据时代中更好地补充传统地球科学方法,产生更多有益的效应,极大地改进气候预测水平。

江苏奶牛热应激风险区划及其受气候变化的影响

【目的】掌握气候变化背景下奶牛热应激发生规律,可为畜牧业优化布局、牧场智能管控、选址改造、效益提升等方面提供参考,有助于优化牧场生产管理,促进奶牛生态健康养殖。【方法】以江苏省为例,利用1980—2020年全球大气再分析资料ERA5数据集,基于表征奶牛热应激程度的温湿指数(THI),构建风险度指数(RI),选择k均值聚类算法实现奶牛热应激风险区划,结合热应激发生强度、频率、起止时间、持续日数的特征开展区域评估;求算气候倾向率,分析不同风险区内奶牛热应激发生特征的变化趋势;基于累积温湿指数(CTHI),利用Mann-Kendall检验,判定不同风险区气候突变点,进而从逐日和逐小时两个时间尺度,分析气候变化对不同风险区内奶牛热应激发生特征的影响。【结果】江苏奶牛热应激风险呈现“西南高东北低”的特征,低风险区主要包括淮北和江淮之间中东部地区,区域温湿指数均值为73.63,以轻度热应激发生为主;高风险区主要包括沿江苏南和江淮之间西部地区,区域温湿指数均值为75.12,轻、中度热应激发生频次相当。低、高风险区域中,热应激开始和结束时间均呈现提前和推后趋势,持续日数呈延长趋势(4.0 d/10a、4.2 d/10a);温湿指数值增加(0.2/10a);累积温湿指数分别增加301.2/10a和256.1/10a;轻度热应激发生频次均呈双峰型,主要发生在6月上旬至7月中旬和8月上旬至9月中旬;中度热应激发生频次均呈单峰型,主要发生在7月中旬至8月中旬;日热应激强度变化基本呈现“正弦”分布形态,高发时段集中在11:00-17:00。受气候变化影响,江苏全省奶牛热应激呈现明显增强趋势,至2010年达到小高峰,有一回落后呈稳步上升趋势,且超过显著性水平0.05临界线。低、高风险区域内,热应激高影响时段延长、发生频率增加、覆盖度提高且出现时间前移;日热应激高发时段开始时间提前1 h左右,高风险区热应激发生强度基本接近中等。【结论】基于THI、RI和CTHI可以实现奶牛热应激风险区划评估及气候影响分析,确定奶牛热应激的高发区域和关键防控时段,把握其气候变化趋势。随气候变化,江苏奶牛热应激发生呈现“趋早、趋强、趋长、趋多”的特征,需积极应对。

江苏冬小麦生育阶段干旱时空分布特征

江苏省作为南方麦区的重点种植区,在气候变暖的大背景下,冬小麦生长期间干旱频发。掌握冬小麦干旱发生规律,尤其是不同生育阶段干旱特点对规避其生产风险至关重要。本文利用气象、土壤水分和冬小麦生育期观测等资料,考虑冬小麦各生育阶段墒情和需水量的影响,构建冬小麦逐日干旱指数;综合干旱指数与0~10 cm土壤相对湿度的对应关系,确定冬小麦各生育阶段干旱等级标准;利用统计和经验正交函数法(EOF)分析1981—2020年不同区域冬小麦不同生育阶段干旱的时空分布特点。结果表明:冬小麦不同生育阶段干旱具有明显的时空特征;干旱强度呈“北重南轻”,频次呈“北多南少”的趋势,且苏北、苏中地区多发生中-重度干旱,苏南地区以轻度干旱为主;出苗-越冬阶段是干旱重发和频发时段;相较于1981—2000年,2001—2020年小麦干旱高发时段由出苗-越冬阶段逐步后移至抽穗-成熟阶段。在实际生产过程中,需重点关注冬小麦干旱重发区域和常发时段,科学全面防御冬小麦干旱,并合理实现风险转移。