排序方式: 共有3条查询结果,搜索用时 15 毫秒
1
1.
利用耦合气溶胶化学过程的高分辨率区域气候模式RegCM4,模拟研究了2000~2009年亚洲地区沙尘和3种人为气溶胶(硫酸盐、黑碳、有机碳)的时空分布和直接气候效应。结果表明,模拟的气溶胶光学厚度在沙尘源区附近较为准确,但在人为活动影响较大的地区偏小。4种气溶胶的综合作用引起大气层顶负的辐射强迫,从而造成了地表气温的下降。降水方面,冬夏两季气溶胶对模拟区域的影响都以降水减少为主,这与气溶胶增加了大气稳定度,减少了地表蒸发并产生了偏北风距平有关。沙尘和人为气溶胶各自都能引起气温的下降和降水的减少,两类气溶胶都能造成的偏北风距平对我国南方降水的减少有重要作用。在人类活动密集区,人为气溶胶引起的气候效应约占总的4种气溶胶气候效应的50%。 相似文献
2.
为了提高PM2.5浓度预报准确率,基于长短期记忆(LSTM)神经网络构建多变量混合预报模型(hLSTM),利用空气质量数据、气象数据和日期时间信息对长沙10个空气质量监测站未来24小时PM2.5浓度进行逐小时预报,并对模型精度进行评估。结果表明:hLSTM逐小时PM2.5预报模型误差随预报时效的增加呈现前陡后缓逐步增大,均方根误差(RMSE)、平均绝对误差(MAE)和平均绝对百分比误差(MAPE)分别从1 h的6.53 μg·m-3、4.03 μg·m-3和16.02%增大到24 h的20.62 μg·m-3、13.56 μg·m-3和47.34%;模型误差存在明显的季节性差异,呈现冬季>秋季>春季>夏季的特征;相较于基于决策树(DTs)、循环神经网络(RNN)和普通LSTM的预报模型,hLSTM模型能更好地提取长沙PM2.5浓度数据的时序特征,达到更高的预报精度;利用hLSTM模型对长沙2019年12月13日~16日重污染天气过程PM2.5浓度进行预报,各时效的预报结果均能反映污染过程中PM2.5的变化趋势,其中3 h内的预报结果与观测值吻合程度较高。可见hLSTM可较好提取长沙PM2.5浓度变化特征,为其短临预报提供一种新思路。 相似文献
3.
利用耦合气溶胶化学过程的高分辨率区域气候模式RegCM4,模拟研究了2000~2009年亚洲地区沙尘和3种人为气溶胶(硫酸盐、黑碳、有机碳)的时空分布和直接气候效应。结果表明,模拟的气溶胶光学厚度在沙尘源区附近较为准确,但在人为活动影响较大的地区偏小。4种气溶胶的综合作用引起大气层顶负的辐射强迫,从而造成了地表气温的下降。降水方面,冬夏2季气溶胶对模拟区域的影响都以降水减少为主,这与气溶胶增加大气稳定度,减少地表蒸发并产生了偏北风距平有关。沙尘和人为气溶胶各自都能引起气温的下降和降水的减少,2类气溶胶都能造成的偏北风距平对我国南方降水的减少有重要作用。在人类活动密集区,人为气溶胶引起的气候效应约占总的4种气溶胶气候效应的50%。 相似文献
1