文献类型：期刊文章

作　　者：任梅芳[1] 庞博[1] 徐宗学[1] 赵彦军[1]

REN Meifang;PANG Bo;XU Zongxue;ZHAO Yanjun(Key Laboratory for Water and Sediment Science,Ministry of Education,College of Water Sciences,Beijing Normal University/ Beijing Key Laboratory of Urban Hydrological Cycle and Sponge City Technology,Beijing 100875,China)

机构地区：[1]北京师范大学水科学研究院水沙科学教育部重点实验室/城市水循环与海绵城市技术北京市重点实验室,北京100875

出　　处：《高原气象》

基　　金：国家自然科学基金项目(211700044;210200002)

年　　份：2018

卷　　号：37

期　　号：5

起止页码：1241-1253

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD2017_2018、JST、PROQUEST、RCCSE、ZGKJHX、核心刊

摘　　要：采用随机森林RF(Random Forest)模型对雅鲁藏布江流域22个站点的日平均气温进行降尺度研究,为了探求在雅鲁藏布江流域更适宜的气温降尺度方法,采用多元线性回归MLR、人工神经网络ANN和支持向量机SVM三种方法作为对比模型,并且采用主成分分析PCA和偏相关分析PAR两种分析方法,进行特征变量筛选。采用纳西效率系数NASH、均方根误差RMSE系数、绝对误差MAE和相关系数r值四种标准来评价模型的模拟效果。结果表明,RF模型的模拟效果要明显优于其他几种方法的模拟结果;采用PAR筛选特征变量的模型计算结果,不仅优于采用PCA筛选特征变量模型的模拟结果,且较稳定,另外,各种模型验证期的NASH效率系数都在0. 86以上,相关系数都在0. 93以上,所用几种模型都能较好地模拟雅江流域平均气温。选取MPI-ESM-LR模式在未来(2016-2050年)两种极端典型浓度路径RCP(Representative Concentration Pathway)排放情景RCP2. 6和RCP8. 5下的试验数据,研究雅鲁藏布江流域未来气温变化趋势表明,雅鲁藏布江流域未来2016-2050年在RCP2. 6和RCP8. 5两种排放情景下,平均气温都呈现出持续上升的趋势,在RCP2. 6排放情景下日平均气温平均上升0. 14℃,在RCP8. 5排放情景下日平均气温平均上升0. 30℃。

关 键 词：统计降尺度 随机森林  雅鲁藏布江  气温

分 类 号：P467[大气科学类]