基于人工神经网络开发中国地区统计降尺度气候预估数据

张慕琪¹, 闻新宇^1,?, 包赟², 屈永霖^1,3

1. 北京大学物理学院大气与海洋科学系, 北京 1008712. 31010 部队, 北京 1000813. 96941 部队, 北京 102206

收稿日期:2021-03-09修回日期:2021-05-18出版日期:2022-03-20

基金资助:国家自然科学基金(41875088, 41630527, 4171101348)资助

Statistical Downscaled Climate Projection Dataset for ChinaUsing Artificial Neural Network

ZHANG Muqi¹, WEN Xinyu^1,?, BAO Yun², QU Yonglin^1,3

1. Department of Atmospheric and Oceanic Sciences, School of Physics, Peking university, Beijing 1008712. 31010 PLA Troop, Beijing 1000813. 96941 PLA Troop, Beijing 102206

Received:2021-03-09Revised:2021-05-18Published:2022-03-20

摘要/Abstract

摘要： 针对中国地区的气候预估问题, 开发一套高时空分辨率(空间分辨率: 0.25°; 时间分辨率: 逐日)的统计降尺度气候变化数据集。降尺度气候预估结果表明: 1) 在传统降尺度方法的基础上引入人工神经网络算法, 开发高时空分辨率的降尺度气候数据, 技术上简便可行; 2) 将这种新方法应用到模式的历史模拟数据上, 温度和降水的气候态偏差显著减小, 其中部分地区的温度偏差可从 5°C减至1°C以下, 降水偏差可从5 mm减至0.5 mm以内; 3) 将这种新方法应用到模式的未来情景数据上, 既能保留气候模式原有的对长期趋势的估计, 又可进一步微调幅度和空间分布, 其中在RCP8.5情景中, 到本世纪末, 中国各地温度普遍升高3~4°C, 降水总量变化不大, 但有北方增多、南方减少的微弱趋势。所提出的基于人工神经网络的统计降尺度方法对温度变量具有一定的普适性, 所开发的高分辨率气候变化数据集可以在其他全球变化相关学科的研究中使用。

引用本文

张慕琪, 闻新宇, 包赟, 屈永霖. 基于人工神经网络开发中国地区统计降尺度气候预估数据[J]. 北京大学学报自然科学版, 2022, 58(2): 221-233.
ZHANG Muqi, WEN Xinyu, BAO Yun, QU Yonglin. Statistical Downscaled Climate Projection Dataset for ChinaUsing Artificial Neural Network[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2022, 58(2): 221-233.





PDF全文下载地址:

http://xbna.pku.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=3718