101 / 2023-03-23 15:11:04

基于深度学习方法的北京地区未来极端气候事件预估研究

极端气候事件、SSPs气候情景、深度学习、北京

       基于北京及周边地区国家站和自动站观测数据、CMIP6多模式逐日气温数据，使用深度学习方法预估未来气候情景下北京地区气温变化特征。对预测集与观测数据进行相关性分析，日最低温相关系数均能够达到0.84以上，且能够呈现出城市热岛空间分布，故认为建模可靠，可应用于未来气温预估，形成了北京地区1961-2100年、SSP245及SSP585情景下的北京地区气候变化预估数据集。根据上述数据集的多模式集合，发现未来整体日最低温呈现为研究区域北部增暖幅度较大，日最高温呈现为城市区域增暖幅度大。极端气候事件则表现为，随着时间和排放情景的增加，与日最高温相关的夏季日数、最大连续夏季日数及频次均显著增加、结冰天数显著减少；与日最低温相关的霜冻日、最大连续霜冻日均显著减少、热带夜数显著增加，单时间段内，霜冻日数和最大连续霜冻日数呈现为南部减少幅度稍高于北部，而热带夜数则呈相反趋势。