期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
CLM3.0-DGVM中植物叶面积指数与气候因子的时空关系 被引量:7
1
作者 邵璞 曾晓东 《生态学报》 CAS CSCD 北大核心 2011年第16期4725-4731,共7页
作为陆面模型里植被的特征量,叶面积值数(LAI)和植被覆盖度在陆地-大气相互作用的相关研究里被广泛应用。LAI的模拟是动态植被模式(DVM)的核心任务之一,需要对模拟的LAI与气候因子间的时空关系进行评估以更好的了解模式性能以及理解植被... 作为陆面模型里植被的特征量,叶面积值数(LAI)和植被覆盖度在陆地-大气相互作用的相关研究里被广泛应用。LAI的模拟是动态植被模式(DVM)的核心任务之一,需要对模拟的LAI与气候因子间的时空关系进行评估以更好的了解模式性能以及理解植被-大气反馈过程。用1950—1999年的气象数据驱动通用陆面模式的动态植被模式(CLM3.0-DGVM)模拟得到的全球潜在植被的LAI和2001—2003年MODIS观测资料衍生出的LAI数据进行对比,并在此基础上研究当前气候条件下不同植物功能型(PFT)的LAI与不同气候因子在年际尺度上的时空关系,包括运用Moran系数理论分析空间自相关性、运用逐步回归算法构建空间最优一阶线性回归方程、分析模式LAI与气候因子间的滞后相关性。研究表明:1)以MODIS衍生数据作参照,改进后的CLM3.0-DGVM能较好地模拟不同PFTs的LAI年最大值的空间分布型,但是在物候模拟即LAI的季节循环上存在不足;2)植物LAI的分布具有正的空间自相关性。对潜在植物LAI和气候因子进行拟合时不同气候因子对不同PFTs的方差贡献不一样,一般降水最大、风速最小。这反映了陆地生态系统和气候间复杂的相互关系;3)模式模拟的LAI和气候因子有显著的1—2a的滞后相关,其中光照、降水和LAI的滞后相关性波动较大,而温度、比湿的较小,风速的不明显。这些基于CLM3.0-DGVM的结论在自然界的植物-气候相互作用系统中具有普遍意义:不同地区不同植物受不同气候因子的影响不一样;找出不同PFT的主要气候影响因子和理解其中最关键的生物物理和生物化学过程是至关重要的。进一步工作需要用更精确和更高分辨率的气候数据以及局地观测的LAI对DGVM做评估,同时DGVM本身也需要继续改进(例如加入农作物和灌溉过程的模拟)。 展开更多
关键词 动态植被模式 MODIS卫星数据 叶面积指数 空间回归 时间滞后相关
下载PDF
GCM模式中斜压波包的动力学特征 被引量:1
2
作者 汪名怀 谭本馗 《北京大学学报(自然科学版)》 CAS CSCD 北大核心 2003年第1期40-50,共11页
利用时间滞后相关和波包的复分解方法 ,分析了GCM模式资料 30 0hpa的经向风扰动。计算了波包的波长、波数、相速和群速等物理量 ,揭示了波包的基本动力学特征。斜压波包的波长为数千公里 ,相速为 10m s左右。波包包络的传播速度为相速... 利用时间滞后相关和波包的复分解方法 ,分析了GCM模式资料 30 0hpa的经向风扰动。计算了波包的波长、波数、相速和群速等物理量 ,揭示了波包的基本动力学特征。斜压波包的波长为数千公里 ,相速为 10m s左右。波包包络的传播速度为相速的 2~ 3倍 ,下游发展仍是斜压波包的主要特征。同时 ,斜压波包在传播过程中显示出较好的相干性 ,即波包的包络能较长时间内维持其形状不变。详细分析了波包性质的季节变化和南北半球的差异 ,并将模式资料的结果与实测资料做了比较。 展开更多
关键词 动力学特征 斜压波包 GCM模式 时间滞后相关 下游发展 风暴轴 天气系统
下载PDF
Detecting the Relationship Between Summer Rainfall Anomalies in Eastern China and the SSTA in the Global Domain with a New Significance Test Method 被引量:4
3
作者 LU Chuhan GUAN Zhaoyong WANG Panxing DUAN Mingken 《Journal of Ocean University of China》 SCIE CAS 2009年第1期15-22,共8页
It is suggested that the multiple samples in a correlation map or a set of correlation maps should be examined with significance tests as per the Bernoulli probability model. Therefore, both the contemporaneous and la... It is suggested that the multiple samples in a correlation map or a set of correlation maps should be examined with significance tests as per the Bernoulli probability model. Therefore, both the contemporaneous and lag correlations of summertime precipitation R in any one of the three regions of Northern China (NC), the Changjiang-Huaihe River Valley (CHRV), and Southern China (SC) with the SSTA in the global domain have been tested in the present article, using our significance test method and the method proposed by Livezey and Chen (1983) respectively. Our results demonstrate that the contemporaneous correlations of sum- mer R in CHRV with the SSTA are larger than those in NC. Significant correlations of SSTA with CHRV R are found to be in some warm SST regions in the tropics, whereas those of SSTA with NC R, which are opposite in sign as compared to the SSTA-CHRVR correlations, are found to be in some regions where the mean SSTs are low. In comparison with the patterns of the contemporaneous correlations, the 1 to 12 month lag correlations between NC R and SSTA, and those between CHRV summer R and SSTA show similar patterns, including the magnitudes and signs, and the spatial distributions of the coefficients. However, the summer rainfall in SC is not well correlated with the SSTA, no matter how long the lag interval is. The results derived from the observations have set up a relationship frame connecting the precipitation anomalies in NC, CHRV, and SC with the SSTA in the global domain, which is critically useful for our understanding and predicting the climate variabilities in different parts of China. Both NC and CHRV summer R are connected with E1 Nifio events, showing a ‘- -'pattern in an E1 Nifio year and a‘+ +' pattern in the subsequent year. Key words summer precipitation; eastern China; global sea surface 展开更多
关键词 temperature contemporaneous correlation time lag correlation significance test for multiple correlation maps
下载PDF
基于周边站点优化选取的随机森林PM_(2.5)小时浓度预测研究 被引量:7
4
作者 姚红岩 施润和 《环境科学学报》 CAS CSCD 北大核心 2021年第4期1565-1573,共9页
空气中的PM_(2.5)是威胁人体健康的主要大气污染物,对其进行有效预测和及时预警具有重要意义.大量研究表明,纳入周边站点信息的随机森林模型在单站点PM_(2.5)预测中显示出良好的效果,但在周边站点选取问题上目前尚缺乏针对性研究,部分... 空气中的PM_(2.5)是威胁人体健康的主要大气污染物,对其进行有效预测和及时预警具有重要意义.大量研究表明,纳入周边站点信息的随机森林模型在单站点PM_(2.5)预测中显示出良好的效果,但在周边站点选取问题上目前尚缺乏针对性研究,部分选取方法带有主观性.本文提出了一种基于时间滞后互相关分析的周边站点优化选取方法,并以上海十五厂空气质量监测站(国控站)为例,构建了预测该站未来1~24 h PM_(2.5)浓度的随机森林回归模型集,比较分析了预测模型中各输入因子的重要性.研究发现,预测站点当前PM_(2.5)浓度值对未来1~16 h的预测最为重要,而气象要素中的风向则对于未来17~24 h的预测重要性最高;周边站点PM_(2.5)信息随着预测时间的延长,其重要程度排名有明显提升,且不同站点对不同时间预测的影响具有显著差异,在建模时应区别对待,优化选取.比较结果表明,使用本文方法选取周边站点建立的预测模型不仅在RMSE等精度指标上具有一定优势(12 h和24 h预报RMSE分别降低11.8%和13.3%),还在有实用价值的污染事件空报率上有明显降低(12 h和24 h预报空报率分别降低16.1%和25.6%),具有业务应用潜力. 展开更多
关键词 时间滞后相关 时间序列 大气污染物 机器学习
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部