【摘 要】
:
东亚季风气候变异导致我国极端旱涝灾害频发,严重危害国家经济社会发展和人民生命财产安全,提高旱涝预测准确率是我国防灾减灾的重大迫切需求。然而,由于多尺度、多因子以及混沌变率的影响,我国旱涝预测准确率一直难以提高,现行的季节气候预测业务模式无法对中国夏季降水异常给出准确的客观定量化预测结果。本研究结合BCC_CSM1.1(m)动力模式,研制了一种基于SMART原理的动力-统计结合季节气候预测系统,并通
论文部分内容阅读
东亚季风气候变异导致我国极端旱涝灾害频发,严重危害国家经济社会发展和人民生命财产安全,提高旱涝预测准确率是我国防灾减灾的重大迫切需求。然而,由于多尺度、多因子以及混沌变率的影响,我国旱涝预测准确率一直难以提高,现行的季节气候预测业务模式无法对中国夏季降水异常给出准确的客观定量化预测结果。本研究结合BCC_CSM1.1(m)动力模式,研制了一种基于SMART原理的动力-统计结合季节气候预测系统,并通过回报试验论证了该预测系统对动力模式预测能力的提升效果。主要结论如下:BCC_CSM1.1(m)动力模式对热带向外长波辐射异常和北半球中高纬500hPa位势高度异常具有一定的预测能力,但对中国夏季降水预测能力十分有限,明显低于对热带地区降水的预测能力。该模式对中国160站夏季降水预测结果多年平均ACC为0,预测能力整体低于年际倾向法和持续性预测法,因此无法满足目前我国气候预测业务的实际需求。基于最优可预测气候模态(Selected Predictable Climate Modes)和异常相对倾向(Anomalous Relative Tendency)的SMART季节气候预测原理可以有效解决季节气候预测难题。异常相对倾向法对气候要素具有显著的“滤波器效应”,能够对其中2~6年周期的信号进行增幅并滤去6年周期以上的年代际信号,通过SVD方法能够从历史观测资料中提取出多个具有物理意义的、决定中国夏季降水异常相对倾向的同期大尺度环流模态。本研究利用这些模态实现了对同期中国夏季降水异常相对倾向的有效重建,并通过独立样本重建检验挑选出最优预测因子组合,构建了最优统计预测模型。结合BCC_CSM1.1(m)动力模式对这些模态的预测结果和最优统计预测模型,本研究构建了基于SMART原理的动力-统计结合中国夏季降水预测模型。该模型首先利用历史观测资料和SVD方法提取决定中国夏季降水异常相对倾的同期热带地区OLR和北半球中高纬500hPa位势高度场异常相对倾向气候模态,构建其与同期中国降水异常相对倾向同期关系的统计预测模型;然后将动力模式对这些气候模态的预测带入统计预测模型,实现对夏季降水异常相对倾向的预测;最后通过引入观测的近期背景异常实现对中国夏季降水总距平的预测。利用该预测模型对1992~2019年中国夏季降水进行回报检验,结果表明该模型预测结果多年平均ACC较动力模式直接预测提高0.1,多年平均PS评分提高8分,特别是在近5年平均PS评分提升18分;在2020年中国夏季降水的预测试验中,该模型准确预测出了长江中下游地区的偏涝异常倾向。因此该预测模型能够显著提升BCC_CSM1.1(m)动力模式对中国夏季降水的预测能力,为我国季节气候预测业务提供了一种有效的解决方案。
其他文献
特发性肺纤维化(Idiopathic pulmonary fibrosis,IPF)是一种病因不明的慢性、进行性呼吸系统疾病,目前临床上尚无有效的治疗手段。研究表明,成纤维细胞的过度活化和增殖是肺纤维化发生的直接原因,而肺间充质干细胞是纤维化肺组织内成纤维细胞的主要来源。在肺间充质干细胞向成纤维细胞分化过程中,肺间充质干细胞所处的炎症微环境起到了重要的调控作用。炎症微环境是由多种炎症因子参与形成的
背景与目的目前,肺癌的发病率和死亡率位居我国甚至全球恶性肿瘤的第一位,其中非小细胞肺癌占了四分之三的领域,近年来,外科切除、放化疗、免疫药物等各种手段取得了日新月异的进展。尤其是化疗和各类免疫药物的联合治疗,成为肺癌治疗的新兴热门,同时也成为肺癌届的研究焦点,但其协同作用的可能机制尚不清楚。此外,给予患者联合用药时,其安全性一直是临床医生主要关注的问题。因此,探索最佳化疗间隔周期及安全且有效的化疗
Micro-LED具有功耗低、效率高、集成度高、体积小、尺寸小、器件电容小、可承受的工作电流密度高等优点,在显示、光通信和植入式生物医疗等领域有巨大的应用前景。相比于传统照明LED,Micro-LED不仅仅是尺寸的缩小,其在发光效率、载流子复合寿命、热效应等方面的特性也有所不同,需要进一步深入的研究。本论文针对Micro-LED的效率提升、发光机理、结温对光电特性的影响等科学问题,系统地开展了外延
本文结合现有的深度Q值网络,在量子特性的启发下,深入研究了深度强化学习算法的经验回放机制,提出了量子启发的深度强化学习经验回放机制(Deep Reinforcement Learning with Quantum-inspired Experience Replay,DRLQER)。与传统的深度强化学习经验回放机制不同,本文提出的DRL-QER算法自适应地根据经验的复杂程度以及其已经被回放的次数来
改革开放至今,我国城镇格局演变以增量外扩模式为主,在此过程中,占用了大面积优质耕地。此外,以交通为主的基础设施建设,引发了耕地景观碎片化。而优质耕地资源与城镇建设空间重叠的空间格局,进一步增加了水土污染等耕地质量下降隐忧。因此,如何协调耕地保护与区域经济社会发展关系,实现可持续发展,已成为国土空间治理亟需解决的关键问题。当前耕地保护研究多立足于土地资源管理视角,对于农业生产供需关系未有充分考量。而
深度强化学习算法的研究在越来越多的领域取得了重大突破,然而大多数情况下,针对一个任务训练出来的模型在新任务中的表现并不好。元学习理论指出,深度学习模型可以利用先验知识获得在新任务中较快学习的能力,结合强化学习则称为元强化学习。本文基于Actor-Critic算法,先探究由动作价值网络、状态价值网络构建的Double-Critic模型在相同任务和其它近似任务中的性能表现,并对结果进行分析。随后将该模