严中伟 作品数:75 被引量:1,591 H指数:21 供职机构: 中国科学院大气物理研究所 更多>> 发文基金: 国家自然科学基金 中国科学院战略性先导科技专项 公益性行业(气象)科研专项 更多>> 相关领域: 天文地球 水利工程 环境科学与工程 农业科学 更多>>
历史上10~1~10~2年尺度气候跃变的分析 1993年 利用史料重建了华北海河流域和陕西关中地区两千多年来的旱涝变化概况。采用移动符号检验法和移动T检验法分析了其中的几十和几百年尺度的跃变现象。通过比较海河、关中以及河南等地区的同期变化,区分出局地性和非局地性两类跃变事件;并通过个例分析指出了华北地区气候跃变和季风环流形势的可能联系。本文还对10~1~10~2年尺度气候跃变的发生频率和变化程度作了一般估计。 严中伟 王晓春 李兆元关键词:历史气候变化 应对气候变化与可持续发展 被引量:9 2012年 以全球增暖及其影响为主要研究内容的全球变化问题已引起国际社会的广泛关注。本文剖析了应对气候变化与可持续发展的关系,重点分析了全球变化影响的适应与可持续发展的关系,适应与可持续发展问题的协调与系统性。依据《中国应对气候变化的政策与行动》系列国家报告,对近年来中国应对气候变化的政策与行动进行了总结。最后,提出了有序应对全球气候变化的建议。 叶笃正 严中伟 马柱国关键词:应对气候变化 可持续发展 近40年我国云、日照、温度及日较差的统计 被引量:32 1993年 近百年来的全球增暖可能与人类活动引起的大气微量成分浓度的增加有关,但目前人们对于气候系统内部的各种反馈机制尚无充分的认识。利用现有的气候记录分析不同要素变化间的关系将有助于深入了解气候变化的机制。云和辐射是形成气候的重要因素,云量增减会直接影响到达地面的日辐射,从而云与日照间存在紧密联系。Angell等人的研究表明在美国总云量和日照百分率两者年平均相关系数达—0.92,这意味这两者可互作检验对方资料是否合理的依据。本文用我国云和日照资料考查二者及其它们与温度、日较差等要素之间的关系。 曾昭美 严中伟 章名立关键词:云量 日照时数 温度 大气浑浊度 基于机器学习的数值天气预报风速订正研究 被引量:55 2019年 对风速进行准确预测是精细化天气预报服务(如风能发电、冬季奥运会赛场条件保障等)的重要环节。本文基于三种机器学习算法(LASSO回归、随机森林和深度学习),对数值天气预报模式ECMWF预测的华北地区近地面10 m风速进行订正。首先利用LASSO回归算法提取对10 m风速有重要影响的气象要素特征集,将其作为三种机器学习算法的输入,建立相应模型对ECMWF预测的风速进行订正。用提取后的气象要素特征集建模有助于减少计算量和存储开销,并减小模型的复杂性,从而提高模型的泛化能力。将订正结果与传统订正方法模式输出统计(model output statistics,MOS)得到的订正结果进行对比。结果表明,三种机器学习算法的订正效果均好于MOS方法,显示了机器学习方法在改善局地精准气象预报方面的潜力。 孙全德 焦瑞莉 夏江江 严中伟 李昊辰 孙建华 王立志 梁钊明关键词:ECMWF模式 风速 简论人类圈(Anthroposphere)在地球系统中的作用 被引量:13 2009年 工业革命后,人类活动影响地球环境达到了空前的程度。近年提出的人类世(anthropocene)概念就是为表征地球系统演变进入了这一特殊的新纪元。然而,人类活动并非单向地影响自然,它在改变自然环境的同时,环境变化也影响着人类行为,迫使人类去适应自然变化,改变生存方式。为更深入地表征人类活动与地球环境相互作用的这种特征,作者讨论了在地球系统模式里引入"人类圈(anthroposphere)"的必要性以及由此带来的新的科学挑战,并提出了构建包含人类圈的地球系统模式的一些思路。 叶笃正 季劲钧 严中伟 王叶 延晓冬关键词:地球系统 社会计算 次网格运动的作用 严中伟关键词:热带 大气模式 大尺度 大气运动学 网格 气候变暖及其对二氧化碳浓度敏感性的新认识——中国科学院战略性先导科技专项“应对气候变化的碳收支认证及相关问题”之气候敏感性任务群研究进展 被引量:3 2016年 大气中二氧化碳(CO_2)浓度不断增加导致的全球气候变暖引起了国际社会的广泛关注。2009年哥本哈根大会已使2°C阈值从科学认知演变为政治共识,即未来全球平均气温相对工业革命前的增温应该控制在2°C之内,且相应的大气CO_2当量浓度不超过450 ppm。全球温度变化与温室气体浓度的对应关系,是减排目标的逻辑起点,本质上是CO_2排放空间的问题。碳专项气候敏感性任务群从获取气候变化基础数据、发展完善中科院气候系统模式、预估全球2°C增温对应的温室气体浓度及出现时间这3个方面进行了深入研究,取得了气候敏感性的一系列新认识。 廖宏 任小波 葛全胜 严中伟 林朝晖 周天军关键词:温室气体浓度 近40年中国云量变化的分析 被引量:45 1993年 本文以中美气候合作研究采用的“中华人民共和国的两个长期性仪器记录的气候数据库”为基础,分析了1950—1988年我国云量变化之概况.近40年来,除华南沿海和西南地区外,全国大部分地区云量有所减少.ENSO时间尺度和QBO的年际振荡在大部分地区有所反映.我们发现,3—4年尺度的振荡信号在60和70年代特别微弱,80年代又开始增强,和北半球60年代降温及80年代增温有良好的对应关系,表明了某些气象要素的年际变动和长期气候变化之间的一种可能联系. 曾昭美 严中伟关键词:云量 厄尔尼诺 准两年振荡 基于深度学习的气象要素时空预报策略——直接预报和迭代预报的对比 2023年 以大气垂直累积液态水含量的预报问题为例,使用UNet网络结构作为基础结构构建时空预报模型,对比了采用两类预报策略的模型的预报效果,预报策略包含一个迭代预报策略(Recursive Forecast Strategy,RFS)以及两个直接预报策略(Direct Forecast Strategies,DFSs)。研究结果表明,两个直接预报模型对整体预报时段的预报效果明显优于迭代预报模型,直接预报模型的RMSE比迭代预报模型低19%。随着预报时次的增加,迭代预报模型的预报误差累积速度比两个直接预报模型快。在两个直接预报模型中,多时次输出模型(Direct Forecast Model Multi-Steps,DFS-M)的预报表现更加稳健,在整体预报时段上预报效果优于单时次输出模型(Direct Forecast Model Single-Step,DFS-S),但DFS-S模型对几个前期时次的预报效果较好。本研究利用深度学习可解释性技术中的深度学习重要特征分析方法(Deep Learning Important FeaTures,DeepLIFT)分析DFS-M和DFS-S模型各个输入时次对于模型预报的相对重要性。研究结果表明,DFS-M和DFS-S模型80%的输入重要性都集中在最后两个输入时次上,较早期输入时次的重要性随着预报时次的增加而呈现上升趋势。由于各输出时次间存在一定的统计相关性,受输出时次相关性约束的DFS-M模型的输入时次重要性变化比DFS-S模型更加稳定。通过将DFS-M和DFS-S模型对于不同时次的预报进行结合,可以得到效果更加均衡的预报。本研究可以为基于深度学习的天气气候预报方法的选择提供新的思路。 曾安捷 华维 严中伟 祖子清 娄晓 于小淇 夏江江关键词:网络 可解释性 基于机器学习的华北气温多模式集合预报的订正方法 被引量:35 2019年 模式预报的订正是决定局地天气预报结果的一个重要步骤,基于机器学习的后处理模型近年来开始崭露头角。本文发展了基于岭回归(Ridge)、随机森林(Random Forest,RF)和深度学习(Deep Learning,DL)的3种后处理模型,基于中国气象局(CMA)的BABJ模式、欧洲中期天气预报中心(ECMWF)的ECMF模式、日本气象厅(JMA)的RJTD模式和NCEP的KWBC模式这4个数值天气预报模式2014年2月至2016年9月(训练期)近地面2 m气温预报和实况资料确定各模型参数,进而对2016年10月至2017年9月(预报期)华北地区(38°N~43°N,113°E~119°E)的逐日地面2m气温预报进行了多模式集合预报分析。采用均方根误差对预报效果进行评估,这3种后处理模型的预报效果和4个数值天气预报模式以及通常的多模式集合平均(Ensemble Mean,EMN)的预报效果的对比表明:1)随着预报时长增加,4个数值预报模式及各种后处理模型的均方根误差均呈上升趋势;但区域平均而言,Ridge、RF和DL的预报效果在任何预报时长上都明显优于EMN和单个天气预报模式;特别是前几天的短期预报DL的预报效果更好,中后期预报Ridge的预报效果略好。2)华北地区的东南部均方根误差较小,其余格点上均方根误差较高,从空间分布而言,DL的订正预报效果最好,3种机器学习模型的误差在1.24~1.26°C之间,而EMN的误差达1.69°C。3)夏季各种方法的预报效果都较好,冬季预报效果都较差;但是Ridge、RF和DL的预报效果明显优于EMN,这3种模型预报的平均均方根误差在2.15~2.18°C之间,而EMN的平均均方根误差达2.45°C。 门晓磊 焦瑞莉 王鼎 赵晨光 刘亚昆 夏江江 李昊辰 严中伟 孙建华 孙建华关键词:岭回归