全球变暖背景下内蒙古地区沙尘暴频次变化的预估

doi:10.13209/j.0479-8023.2021.042

北京大学学报自然科学版 ›› 2021, Vol. 57 ›› Issue (4): 632-644.DOI: 10.13209/j.0479-8023.2021.042

全球变暖背景下内蒙古地区沙尘暴频次变化的预估

杨诗妤^1,2, 闻新宇^1,†

1. 北京大学物理学院大气与海洋科学系, 北京 100871 2. 全球变化与中国绿色发展协同创新中心, 北京 100875

收稿日期:2020-04-30 修回日期:2020-07-03 出版日期:2021-07-20 发布日期:2021-07-20
通讯作者: 闻新宇, E-mail: xwen(at)pku.edu.cn
基金资助:
国家自然科学基金(41875088, 41630527)和中央高校基本科研业务费专项资金资助

Prediction of Dust Storm Frequency Variation in Inner Mongolia Region under Global Warming Scenarios

YANG Shiyu^1,2, WEN Xinyu^1,†

1. Department of Atmospheric and Oceanic Sciences, School of Physics, Peking University, Beijing 100871 2. Joint Center for Global Change Studies (JCGCS), Beijing 100875

Received:2020-04-30 Revised:2020-07-03 Online:2021-07-20 Published:2021-07-20
Contact: WEN Xinyu, E-mail: xwen(at)pku.edu.cn

摘要/Abstract

摘要：

构建一个基于BP神经网络的统计模型, 利用CMIP5模式中历史情景和未来情景的预估数据, 重建1860—2100年内蒙古地区春季沙尘暴频次(分辨率达到日尺度)序列。在此基础上, 研究内蒙古地区沙尘暴未来长期变化特征。结果表明, 在未来情景RCP2.6 和RCP8.5中, 与历史时期(1860—2005年)相比, 内蒙古地区沙尘暴频次持续减少; 影响范围较大的沙尘暴事件占比也持续减少; 在增温更多的RCP8.5情景中, 沙尘暴的减少更加显著; 春季沙尘暴的季节性锁相特征(4月沙尘暴频次达到峰值)不随全球变暖而变化。

关键词: 沙尘暴, 神经网络, CMIP5, 全球变暖, 内蒙古地区

Abstract:

The authors reconstruct a new dust storm series on daily basis for Inner Mongolia Region covering the period 1860?2100, by applying a newly developed artificial neural network model onto CMIP5 results from historical and RCP runs. The authors investigate the new series and suggest that the number of China’s dust storms keeps decreasing in both RCP 2.6 and 8.5 scenarios; the proportion of dust storms with large impact area also decrease; the decreasing is more evident in the warmer RCP8.5 scenario than that in RCP2.6; the phase-lock features, i.e. maximum occurrence frequency of dust storms in April every year, remain unchanged in both global warming scenarios.

Key words: dust storm, neural network, CMIP5, global warming, Inner Mongolia

杨诗妤, 闻新宇. 全球变暖背景下内蒙古地区沙尘暴频次变化的预估[J]. 北京大学学报自然科学版, 2021, 57(4): 632-644.

YANG Shiyu, WEN Xinyu. Prediction of Dust Storm Frequency Variation in Inner Mongolia Region under Global Warming Scenarios[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2021, 57(4): 632-644.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: https://xbna.pku.edu.cn/CN/10.13209/j.0479-8023.2021.042

https://xbna.pku.edu.cn/CN/Y2021/V57/I4/632

[1]	吴悔, 陈旭, 景永俊, 王叔洋. MFA-SGWNN: 基于多特征聚合谱图小波神经网络的僵尸网络检测[J]. 北京大学学报自然科学版, 2024, 60(3): 403-412.
[2]	刘立超, 胡天跃, 李徯徯, 刘依谋, 梁上林, 黄建东. 基于无监督神经网络匹配算法的叠前表面多次波压制方法[J]. 北京大学学报自然科学版, 2024, 60(3): 453-463.
[3]	李玳, 王天牧, 张思, 秦跃, 谢福贵, 刘辛军, 聂振国, 黄红拾. 基于足底压力和卷积长短期记忆神经网络的前交叉韧带断裂智能辅助诊断[J]. 北京大学学报自然科学版, 2024, 60(1): 109-117.
[4]	刘佳驹, 李金城, 郭怀成, 袁鹏, 李政, 张扬, 王志勇. 基于人工神经网络的雅鲁藏布江水化学变化趋势研究[J]. 北京大学学报自然科学版, 2023, 59(6): 1043-1051.
[5]	张领, 曹健, 张袁, 冯硕, 王源. 基于知识蒸馏的脉冲神经网络强化学习方法[J]. 北京大学学报自然科学版, 2023, 59(5): 757-763.
[6]	刘相呈, 曹健, 姚宏毅, 徐鹏涛, 张袁, 王源. 基于自适应剪枝率与高效权重继承的神经网络通道剪枝方法[J]. 北京大学学报自然科学版, 2023, 59(5): 764-772.
[7]	周翔宇, 毛善君, 李梅. 基于频域降采样和CNN的轴承故障诊断方法[J]. 北京大学学报自然科学版, 2023, 59(2): 251-260.
[8]	赵丹丹, 张俊朋, 孟佳娜, 张志浩, 苏文. 基于预训练模型和混合神经网络的医疗实体关系抽取[J]. 北京大学学报自然科学版, 2023, 59(1): 65-75.
[9]	谢豪, 曹健, 李普, 赵雄波, 张兴. 基于FPGA的SSD目标检测硬件加速器设计[J]. 北京大学学报自然科学版, 2022, 58(6): 1015-1022.
[10]	徐鹏涛, 曹健, 孙文宇, 李普, 王源, 张兴. 基于可融合残差卷积块的深度神经网络模型层剪枝方法[J]. 北京大学学报自然科学版, 2022, 58(5): 801-807.
[11]	徐鹏涛, 曹健, 陈玮乾, 刘晟荣, 王源, 张兴. 基于离群值去除的卷积神经网络模型训练后量化预处理方法[J]. 北京大学学报自然科学版, 2022, 58(5): 808-812.
[12]	屈永霖, 闻新宇, 张慕琪, 刘喆. 使用人工神经网络改进2022年北京冬奥会数值天气预报后处理过程的算法研究[J]. 北京大学学报自然科学版, 2022, 58(2): 210-220.
[13]	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.
[14]	张阳, 冼慧婷, 赵志杰. 基于空间相关性和神经网络模型的实时河流水质预测模型[J]. 北京大学学报自然科学版, 2022, 58(2): 337-344.
[15]	廖懿鸣, 欧阳纯萍, 刘永彬, 胡富裕. 基于异质信息网络元路径的药物‒靶标相互作用预测模型[J]. 北京大学学报自然科学版, 2022, 58(1): 37-44.

全球变暖背景下内蒙古地区沙尘暴频次变化的预估

Prediction of Dust Storm Frequency Variation in Inner Mongolia Region under Global Warming Scenarios

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

留言