贺圣平
- 作品数：9 被引量：153H指数：6
- 供职机构：南京信息工程大学更多>>
- 发文基金：国家自然科学基金国家重点基础研究发展计划中国科学院知识创新工程重要方向项目更多>>
- 相关领域：天文地球自动化与计算机技术更多>>
- 春季巴伦支-喀拉海海冰对东亚8月降水的影响及可能机制
- 以往很多研究曾探讨过春季北极海冰对东亚夏季风以及夏季降水的影响;但普遍围绕整个北极的海冰、夏季季节平均降水展开分析。然而,北极不同区域海冰的气候效应有所差异;同时,东亚夏季季节内降水也存在显著差异。因此,本研究围绕北极巴...
- 贺圣平
- 关键词：北极海冰
- 文献传递
- 20世纪80年代中期以来东亚冬季风年际变率的减弱及可能成因被引量：15
- 2013年
- 东亚冬季风的系统成员包括西伯利亚高压、阿留申低压、东亚大槽、对流层低层的偏北风以及高层的东亚急流.分析结果表明,自20世纪80年代中期以来,上述东亚冬季风环流系统的年际变率均明显减小,同时与西太平洋海表温度年际变率间的联系也显著减弱.1956～1980年期间,东亚冬季风的年际变率与东亚沿海(暖池)的冬季海表温度呈显著的负(正)相关关系.然而,上述统计相关在1986～2010年期间显著减弱.研究显示,自20世纪80年代中期以来,北极涛动对东亚冬季风的年际变率主要起抑制作用.此外,全球变暖使得亚太地区冬季的海陆热力差异的变率在年代际和年际尺度上都有所减弱.这两方面的因素都从一定程度上导致了东亚冬季风年际变率的减弱.
- 贺圣平
- 关键词：东亚冬季风年际变率海表温度全球变暖
- 我国东北冬季降雪的年代际增多及其与冬季风减弱的关系被引量：20
- 2013年
- 针对我国东北冬季降水(降雪)近几十年来的变化进行了研究,结果显示:20世纪80年代中期之后冬季降雪开始增多,就区域平均而言1986～2010年期间比1951～1985年显著增多了20%以上.进一步的研究揭示这种年代际降雪增多和20世纪80年代中期之后东亚冬季风的减弱有密切关系,其基本物理图像是:东亚冬季风年代际减弱导致冷空气减弱,从而使得东北亚的太平洋沿岸区海温升高,进而海面的蒸发加强使得其上空水汽含量增多,由此导致向我国东北地区的水汽输送增多;另外,20世纪80年代中期之后由于冬季风减弱,导致大气变暖,来自冬季风上游的水汽输送也增多了.这两个因素使得东北冬季上空水汽含量显著增多了,从而导致冬季降雪增多.
- 王会军贺圣平
- 关键词：冬季降雪东亚冬季风年代际变化
- ENSO和东亚冬季风之关系在20世纪70年代中期之后的减弱被引量：26
- 2012年
- 东亚冬季风(EAWM)的一个主要特征是冬季来源于高纬的冷空气活动,冷空气活动的频繁与否、强弱与否对我国气候影响甚大.EAWM和西伯利亚高压、东亚大槽、高空急流关系密切.ENSO可以在一定程度上调控东亚冬季风,因为ENSO和印度洋及西太平洋区域的海温(SST)的变率紧密相关,而该区域的SST变化可以影响亚洲和太平洋、印度洋区域的海陆之间的热力对比,进而影响东亚冬季风.本文通过分析ENSO,EAWM及海洋和大气的气候变异,发现ENSO和EAWM之关系在20世纪70年代中期以后减弱了,由之前的显著反相关,变成了没有显著相关.进一步的研究表明,20世纪70年代中期之后,ENSO与印度洋-西太平洋气候变率的联系减弱了;另外,EAWM的年际变率也减弱了,与EAWM变率耦合的气候变率从区域上向北方后退了.这些因素可能是造成ENSO和EAWM之关系减弱的主要成因.ENSO和EAWM关系的减弱对我国冬季气候的预测具有深刻影响,需要未来加以深入研究.
- 王会军贺圣平
- 关键词：东亚冬季风ENSO年代际变率年际变率
- 1980s 中期以来东亚冬季风年际变率的减弱及可能成因
- 东亚冬季风的系统成员包括西伯利亚高压、阿留申低压、东亚大槽、对流层低层的偏北风以及高层的东亚急流.分析结果表明,自上世纪80 年代中期以来,上述东亚冬季风环流系统的年际变率均明显减小;同时与西太平洋海表温度年际变率间的联...
- 贺圣平王会军
- 关键词：东亚冬季风年际变率海表温度全球变暖
- 文献传递
- 机器学习的原理及其在气候预测中的潜在应用被引量：26
- 2021年
- 经历了两次“人工智能寒冬”之后,机器学习于近十年再次进入大众视野,且有腾飞发展之势,已在图像识别和语音识别系统等实际应用方面取得了巨大成功。从已知数据集中总结关键信息和主要特征,从而对新数据做出准确的识别和预测,分别是机器学习的主要任务和主要目标之一。从这个角度看,将机器学习整合到气候预测的思路切实可行。本文,首先以线性拟合参数(即斜率和截距)调整为例,介绍了机器学习通过梯度下降算法优化参数并最终得到线性拟合函数的过程。其次,本文介绍了神经网络的构建思路以及如何应用神经网络拟合非线性函数的过程。最后,阐述了深度学习之卷积神经网络的框架原理,并将卷积神经网络应用到东亚冬季逐月气温的回报试验,并与气候动力模式的回报结果相比较。本文将有助于理解机器学习的基本原理,为机器学习应用于气候预测提供一定的参考思路。
- 贺圣平王会军王会军赵家臻
- 关键词：神经网络卷积神经网络气候预测
- 2015/2016冬季北极世纪之暖与超级厄尔尼诺对东亚气候异常的影响被引量：11
- 2016年
- 利用1980—2016年美国国家海洋与大气管理局气候预测中心的ENSO指数和NCEP/NCAR再分析资料,研究了2015/2016年冬季北极增暖和超级厄尔尼诺对东亚气候的影响。2015/2016年冬季热带中东太平洋爆发了超级厄尔尼诺事件,尽管大气环流出现了对ENSO的响应特征（如西北太平洋反气旋异常,东亚南部南风异常）,但东亚（尤其是我国东北、华北地区）1月的气温却明显偏低。分析表明,此次东亚气温偏低现象可能与2016年1月北极显著增暖有关。1980—2016年1月再分析资料的统计诊断分析结果显示,巴伦支海—喀拉海气温的升高会引起局地大气的上升运动异常,之后在下游（70-90°E附近）向南运动,并在西伯利亚地区（60-100°E,50-70°N）下沉,使得西伯利亚高压增强,其东侧的北风异常导致东亚气温偏低。基于Nino3.4指数、北极温度指数,采用多元线性拟合所得到的2016年1月东亚气温的回报结果与观测气温之间的空间系数为0.71,表明2016年1月北极增暖以及热带中东太平洋的厄尔尼诺事件能够从一定程度上解释东亚气温偏低的现象。
- 贺圣平王会军徐鑫萍李靖祎
- 东亚1月极端气温频次与前期北极涛动的联系
- 1.引言众多研究表明,冬季北极涛动可以影响东亚冬季风的强弱,并进一步影响东亚冬季气温的变化（Gong et al.,2001;Li et al.,2014）。一般认为,当冬季北极涛动偏强（弱）时,东亚冬季风偏弱（强）,同...
- 贺圣平
- 关键词：北极涛动极端气温雪盖ROSSBY波
- 文献传递
- 东亚冬季风综合指数及其表达的东亚冬季风年际变化特征被引量：71
- 2012年
- 本文通过多变量经验正交函数展开(multivariate EOF,简称MV-EOF)研究了东亚冬季风各系统成员的协同关系,再运用单变量EOF定义单个系统的强度系数。从而给出能够反映东亚冬季风各主要特征及其年际变化、同时包含西伯利亚高压、东亚大槽和纬向风经向切变信息的强度指数(EAWMII)。分析表明,这个新指数EAWMII能够很好地反映东亚冬季风在20世纪80年代中期的减弱信号,并且与大气环流场以及东亚冬季表面温度的变化均显著相关,能够在很大程度上表征东亚冬季风的综合特征。此外,EAWMII与北极涛动(Arctic Oscillation,简称AO)指数、北太平洋涛动(North Pacific Oscillation,简称NPO)指数和Nin珘o3.4指数相关显著。分析还表明AO和NPO影响东亚冬季气候的区域有所不同:AO主要影响欧亚大陆中、高纬、我国东北以及日本北部等地区,NPO则主要影响华南、华东、朝鲜、韩国以及日本中南部及其附近海域。并且,AO很可能可以通过影响NPO进而影响东亚冬季风。
- 贺圣平王会军
- 关键词：东亚冬季风大气环流北太平洋涛动北极涛动
