基于RF-BiLSTM神经网络的多时次土壤水分动态预测

为探究土壤水分变化特征,提高土壤水分的预测准确率,提出基于随机森林与双向长短期记忆神经网络结合的土壤水分预测方法(RF-BiLSTM),采用三亚国家气候观象台2016-2021年10 cm深度的土壤体积含水量小时数据和同期7个气象要素(气温、地面温度、10 cm地温、日照时数、相对湿度、降水量、蒸发量)资料,开展多时次土壤水分预测。结果表明,RF-BiLSTM模型对6、12、24、48 h后的土壤体积含水量预测平均绝对误差(MAE)分别为0.462%、0.702%、0.889%、1.282%,决定系数(R2)分别为0.983、0.967、0.951、0.913,准确率均高于长短期记忆神经网络模型、BP神经网络模型。

多时次资料的EOF迭代在云南夏季气候预测中的应用

多时次资料的EOF迭代预测方法能较好地应用历史资料中的信息 ,并能将经验法则、观测事实和气候规律等引入到实际的短期气候预测过程中 ,特别是随着我们对影响短期气候变化的物理过程和因子认识的深入 ,这种预测方法将会得到更加有效地改进和实际应用。本文考虑 4个区域月平均海表水温的多时次历史资料 ,基于EOF迭代方案 ,建立了云南夏季气候变化的一种多时次EOF迭代预测模型。在对云南分 5个区域 ,每个区域 16个气象观测站点的夏季降水和气温趋势的预测中 ,该模型对云南 1995— 1999年的夏季 6～ 8月总雨量和平均气温趋势预测检验的最新业务标准评分平均分别达到 79.6 %和 87.0 %。该评分成绩表明 ,这种容纳多时次资料 。

利用多时次资料的EOF迭代温度长期预报

考虑多时次历史资料，基于ＥＯＦ（经验正交函数）迭代方案，将观测事实与统计方法结合，建立预报因子与预报对象的联系，开展长期预报试验。对四川盆地夏季温度的预报表明：这种容纳多时次资料、基于ＥＯＦ迭代的物理一统计预报方法是一种有效的长期预报途径。

多时次EOF迭代方法在川渝伏旱预测中的应用

应用北太平洋海温资料 ,分析了川渝地区盛夏雨量与海温的联系 ,在关键海区海温与川渝伏旱气候非同步联系的基础上 ,建立了多时次海温EOF迭代方法 ,进行了川渝地区盛夏伏旱的短期气候预测。实际应用表明 :以前期多时次海温为预报因子 ,通过历史独立预报试验建立的多时次EOF迭代伏旱预测模型 ,预见期长 ,准确率高 ,并可实现滚动预测 。

多时次因子EOF迭代方法在降水预测中的初步应用

作者建立的多时次因子EOF4代预报方法，进行了四川盆地夏半年降水异常的短期气候预测试验和业务应用。结果表明：考虑前期关键海区多时次海温因子，预测四川盆地降水异常，效果今人鼓舞。进一步证明了这种容纳多时次资料，基于EOF迭代的物理统计预报方法是一种具有较强预报能力、实用有效的预报新途径．

长短期记忆神经网络在多时次土壤水分动态预测中的应用

基于长沙站2016—2019年10 cm深度土壤水分自动观测小时数据集,利用长短期记忆神经网络(LSTM)模型结合随机采样学习方法,开展了土壤水分多时次预测,结果表明:LSTM模型对6、12、24、48 h后的土壤体积含水量预测均方根误差(RMSE)分别为0.22%、0.28%、0.38%、0.54%,决定系数(R2)分别为0.99、0.99、0.98、0.96,除6 h预测步长外,准确率均优于自回归整合滑动平均(ARIMA)模型,且误差稳定、无异常值出现,预测准确率远优于相关研究。该结果证实了基于LSTM模型精准预测土壤水分动态的可行性,为精准灌溉和干旱预警提供了计算机技术及手段支撑,为政府及科研部门水资源管理政策的制定提供了数据支持。

协调多时次差分格式及其稳定性

提出对求解常微分方程的各种数值算法,可以建立与之相协调的多时次差分格式.并从数学上给出了一个其计算稳定性的充分条件,同时提出了一种改进的最小二乘法来拟合自忆系数,以期在实际计算过程中既可以改善计算效果,同时也可使其稳定性得以保障.

协调多时次差分格式的数值试验

在一个简化气候模式的混沌态上,针对影响实际预报准确度的多种因素,将协调多时次差分格式与提为时间演变的变分同化进行了全面的比较.结果发现协调多时次差分格式可以有效地纠正模式误差,尤为独特之处在于其还可以有效地纠正微分方程本身不完善所造成的误差,而这一点正是变分同化所不及的.

多次取样的网格化暴雨预报“配料法”研究

利用2008—2019年甘肃省陇东342个测站的逐日降水资料和ECMWF_ERA5再分析资料,分析了不同暴雨天气过程的环流特征,建立了精细至模式预报每个格点、综合考虑暴雨日每个预报时次的多次取样网格化暴雨预报“配料法”方案,并通过2020年5次暴雨过程进行验证。结果表明,陇东暴雨可分为西太平洋副热带高压(简称“副高”)边缘中尺度扰动型、冷槽切变型和偏北气流对流型;由于不同类型暴雨的环流特征差异明显,降水范围及持续时间不同,具有代表意义的关键物理量及阈值也不相同;网格化配料法的过程预报准确率相比ECMWF_THIN提高20%,站点预报准确率提高7.8%,性能优于ECMWF_THIN模式的暴雨预报;配料法对小区域预报效果优秀,预报范围越大预报准确率越低。

基于温度植被干旱指数(TVDI)的甘肃省农业干旱监测方法研究

改进温度植被干旱指数(Temperature Vegetation Dryness Index,TVDI)并明确TVDI的农业干旱等级阈值,对提高TVDI指数监测农业干旱能力有重要意义。利用近19 a的MODIS(Moderate Resolu⁃tion Imaging Spectro-radiometer,MODIS)遥感数据,基于单时次和多时次方法构建NDVI(Normalized Difference Vegetation Index,NDVI)-LST(Land Surface Temperature,LST)、EVI(Enhanced Vegetation In⁃dex,EVI)-LST、RVI(Ratio Vegetation Index,RVI)-LST、SAVI(Soil-Adjusted Vegetation Index,SAVI)-LST等几种特征空间,讨论TVDI计算方法,分析TVDI在甘肃省农业干旱监测中的适用性,并明确甘肃省夏季TVDI农业干旱分级标准。结果表明:(1)基于多时次方法构建的SAVI-LST特征空间TVDI更适合甘肃省农业干旱监测,其对土壤相对湿度(Relative Soil Moisture,RSM)拟合的均方根误差(Root Mean Squared Error,RMSE)和平均绝对误差(Mean Absolute Error,MAE)比NDVI-LST特征空间TVDI对RSM拟合的RMSE和MAE下降1%~5%;(2)TVDI适用于夏季甘肃省半干旱区、半湿润区、湿润区等非干旱区浅层10、20 cm土壤深度的农业干旱监测,RMSE和MAE约15.6%和12.6%,拟合误差湿润区<半湿润区<半干旱区;(3)利用TVDI与RSM线性关系确定的TVDI农业干旱等级更有利于提高TVDI监测农业干旱的准确性。

一种提高时间差分精度的新方法

对数值模式中使用的时间差分格式中的中央差和向前差进行了推广,得出的新格式可以利用过去多时次的历史资料来确定系数.实际计算表明,这种格式可以显著提高数值计算的精度.

达州伏旱强度预测技术研究之二

应用北太平洋海温资料,分析了达州盛夏雨量和伏旱强度与海温的联系,在北太平洋海温与达州伏旱气候非同步联系的基础上,通过多时次多因子EOF选代方法进行了达州盛夏雨量和伏旱的短期气候预测,独立预报试验和实际应用表明:以前期多时次海温因子,建立达州伏旱EOF迭代预测方法,具有一定预报技巧和明显的应用价值。

自忆模式中差分格式的稳定性研究

基于大气运动是一种不可逆过程的观点 ,引进了忆及过去时次资料的记忆函数 ,导出热传导的自忆性方程 ,研究了方程分别取Richardson和DuFort Frankel格式 ,回溯阶p取 1时的稳定性 .探讨了多时刻模式中数值积分有时发散的问题 ,揭示了由过去时次资料动态求取记忆函数 ,改变了原定设计的差分格式 ,且它是一个时间平滑因子的本质 .