简介:利用1981—2013年湖南省9个地面气象站0—320cm地面温度和气温的观测资料,采用统计方法分析了湖南省地温的变化特征,并与气温的变化特征进行了比较。结果表明:1981—2013年湖南省各层地温均呈东南高、西北低及东南高、西北和东北低两种典型分布。月地温变化在一定深度后与月气温变化由同步转为不同步,转折层为40cm层;40cm层以上的月地温最低值均出现在1月,月地温最高值均出现在7月,与月气温最低值和最高值出现的时间相同;40cm层以下随着土壤深度增加,月地温最低值和最高值出现时间后推,320cm月地温最低值出现在4月,320cm月地温最高值出现在10月。浅层地温与气温的相关系数为0.97以上,自40cm层地温开始,随着土壤深度增加地温与气温的相关系数减小。冬季浅层地温的年际变化最大,春季次之;冬季和春季深层地温的年际变化明显大于夏季和秋季;春季和夏季地温随土壤深度增加逐渐降低,秋季和冬季地温随土壤深度增加逐渐升高,导致冬季深层地温明显高于气温,夏季深层地温明显低于气温。1981—2013年湖南省各层年平均地温均呈极显著上升的趋势,除0cm地温外,各层地温升温速率均低于气温;四季各层地温与气温的升温趋势一致,其中春季升温速率最大,秋季次之,冬季升温不明显。各层年平均地温在1993—1995年出现了增温的突变现象,冬季地温突变时间最早,春季和秋季次之,夏季地温突变时间较晚;各层年平均地温均存在2—3a、3—4a和6—9a的周期变化。
简介:简要介绍了精细化天气预报和气象数据挖掘应用的现状,在对BP神经网络预测方法详细分析的基础上,研究了基于时间序列数据挖掘实现精细化温度预报的方法。该方法基于时序分析技术,建立起适合于BP神经网络的输入样本模型,通过反复学习从温度时序中建立预测模型,将其用于未来24h的精细化温度预报。同时,对BP神经网络算法和步骤做了简要介绍,针对原有的BP算法存在的不足,做了一些改进。最后,通过对预测挖掘系统的设计和在Matlab6.5仿真平台上的试验,建立了温度预报模型,以兰州市观测站数据为时间序列研究对象,对精细化温度预报进行了仿真实现。对基于时序的数据挖掘理论的应用和开发精细化温度预报方法做了有益的探索。
简介:全球变暖已经得到了公众、政府机构和科学家的广泛认知[1-3].但是,对于全球是否变暖以及这个变暖是否由人类活动造成,却依然不断受到质疑.这种质疑在2009年达到巅峰,同年出版的非政府间国际气候变化专门委员会(NIPCC)报告[4],对政府间气候变化专门委员会(IPCC)的观点[5]提出全面的质疑.最新的一轮质疑是2012年1月27日《华尔街日报》刊登了Allegre等16位科学家的署名文章[6],认为近10年地球气候没有变暖,呼吁不要压制气候变暖怀疑论者的声音.这说明尽管全球变暖的证据日益增加、全球变暖的观点得到越来越多的承认,但是对全球变暖这个事实的论证却绝不是多余的.
简介:选取QIN和SOB两种代表性劈窗算法对辽宁地区地表温度进行反演,并分析二者的精度和误差分布。结果表明:QIN和SOB算法反演的地表温度(Ts)与地面气象台站准同步观测的气温和地温的线性拟合显著,SOB算法线性拟合更好;从误差分布直方图可知,两种算法的反演结果与地温更接近,SOB算法与同步气温和地温在±2.0℃之间的误差比例略高于QIN算法;在野外开展与卫星遥感空间尺度一致的地表温度观测试验,QIN和SOB算法与实测值的平均绝对误差均为1.5℃;与NASA官网发布的地表温度产品对比发现,QIN和SOB算法的平均绝对误差分别为1.75℃和1.70℃;因此,QIN和SOB算法在辽宁地区均适用,而SOB算法误差较小。