排序方式： 共有1条查询结果，搜索用时 218 毫秒
1
1.
基于14个CMIP6全球模式的6—8月降水历史数据、不同情景下的降水预估数据以及CN05.1格点数据，利用机器学习模型以及非参数转换模型，对CMIP6降水数据进行降尺度处理，并在此基础上对辽宁未来夏季降水进行预估.结果表明：(1)机器学习模型有较好的降尺度能力，XGBoost模型的降尺度能力优于随机森林模型.(2)基于XGBoost模型的辽宁未来时期夏季降水在不同情景下均呈增加趋势，降水增加趋势在SSP5-8.5、SSP3-7.0、SSP2-4.5、SSP1-2.6情景下依次减弱.(3)不同情景下降水突变均发生在21世纪中后期，且在突变后呈上升趋势，降水呈现显著增加的区域也有所增多.(4)无论在突变前还是突变后，SSP5-8.5情景下降水增加趋势均较其他情景明显，在21世纪末期增加趋势达到了0.05显著性水平. 相似文献
1