导读:本文包含了月平均气温场论文开题报告文献综述、选题提纲参考文献及外文文献翻译,主要关键词:气温,月平均,模型,因子,插值,分布式,线性。
月平均气温场论文文献综述
李丽霞[1](2019)在《呼和浩特市区近27年月平均气温变化特征分析》一文中研究指出选取呼和浩特市赛罕区国家一般气象站1991年~2017年日平均气温、日最高气温、日最低气温数据资料,用线性回归、方差分析、对比分析等统计方法,分析了月平均气温的年代际变化特征以及季节性变化规律。结果表明:近27年来呼和浩特市区气温呈明显上升趋势,且年际间变化呈现夏季变化较小,其他季节变化较大的特点。(本文来源于《内蒙古科技与经济》期刊2019年22期)
魏爽,王丽吉,吴书成,鲁奕岑[2](2019)在《基于混合优化RBF神经网络的月平均气温预测》一文中研究指出针对径向基函数(RBF)神经网络关键参数的优化问题,提出基于遗传操作的粒子群混合优化RBF神经网络算法,通过结合遗传操作,避免粒子群潜在的局部收敛。将此方法应用在月平均温度预测中,并与传统的RBF和BP神经网络同期对应的预测结果进行对比。结果表明,混合优化的RBF神经网络在预测精度和稳定性方面均优于传统算法,可以为短期气候预测提供参考。(本文来源于《现代计算机》期刊2019年22期)
聂磊,舒红,刘艳[3](2018)在《复杂地形地区月平均气温(混合)地理加权回归克里格插值》一文中研究指出以地形地貌特征复杂、观测站点分布稀疏不均匀的四川省为研究区,引入地形因子(坡度和坡向)和植被指数,采用顾及空间关系非平稳性的(混合)地理加权回归克里格模型((mixed)geographically weighted regression Kriging,(m)GWRK)进行月尺度平均气温插值方法及精度分析研究。针对不同季节和不同地区,将(m)GWRK插值结果与基于全局回归的回归克里格(regression Kriging,RK)插值结果进行对比。结果表明,RK、GWRK、mGWRK回归关系的决定系数R2分别为0.795、0.922、0.911,均方根误差分别为0.83℃、0.64℃、0.55℃,表明GWRK、mGWRK对目标变量的解释能力以及插值精度都优于RK;GWRK、mGWRK相对于RK对月平均气温插值的改进具有季节与地区差异,冬半年的改进大于夏半年,在地形地貌变化大的地区改进大于地形地貌变化小的地区。(本文来源于《武汉大学学报(信息科学版)》期刊2018年10期)
屈非凡,邱新法,曾燕,姚镇海[4](2018)在《月平均气温物理经验统计模型优化研究》一文中研究指出气温是一个重要的气象参数,为了给农业研究提供更加精准且物理意义完善的气温空间分布,建立分站分月的月平均气温物理优化模型。通过融合遥感数据合成比辐射率与气温模拟结果迭代优化,克服以往模型中气温回代的缺陷,对模型进行优化,生成了2007年我国1 km×1 km分辨率的月平均气温空间分布图。分析表明,模拟结果能较好地反映气温的宏观分布趋势和局地分布特征。误差分析结果表明,迭代优化后的年平均绝对误差为0.72℃,年平均均方根误差为1.01℃。相较于IDW插值法,优化模型模拟结果精度更高,影响气温的各项因子在结果中显示的特征更明显;相对于前人的隐式统计模型,参数物理意义更加完善,精度略有提升。为气温空间分布模拟提供了一种新思路,对科学指导农业生产、合理利用农业资源具有一定的参考意义。(本文来源于《科技通报》期刊2018年09期)
王圆圆,李贵才,郭徵,郭兆迪[5](2018)在《1979年—2014年叁峡库区月平均气温的时空变化分析》一文中研究指出叁峡区域气温变化长期以来受到科研人员和公众的关注。受叁峡复杂地形的影响,仅仅基于气象站点观测数据很难准确获取区域气温变化的空间格局,遥感技术则可以通过提供空间连续的地表观测数据来辅助气温变化分析。以广义加性模型GAM(General Additive Model)为插值算法,以高程和夜间地表温度(LSTnight)遥感产品为辅助变量,估算叁峡库区1979年—2014年1 km空间分辨率的月气温数据,在此基础上分析了气温变化趋势的时空特征及其与高程和森林覆盖率的关系。研究表明,(1)在插值算法中引入遥感产品LSTnight作为辅助变量可以明显改善气温估算精度,冬春季的改善幅度高于夏秋季;(2)叁峡库区年平均气温在1997年后明显上升,但在2003年库区蓄水后无明显变化趋势,几乎所有月(除12月以外)的气温都呈现上升趋势,增温趋势最显着是3月和9月,3月增温主要来自于库区东部山区的贡献,而9月增温主要来自于库区西部平原的贡献;(3)多数月份(除7月、8月、9月以外)的低温上升速度超过高温上升速度,导致区域气温的动态变化范围缩小;(4)叁峡库区年平均气温上升速度与高程呈正相关,即海拔越高,升温越快,但在同一海拔高度处,森林覆盖率越高,年均气温上升速度越慢,暗示森林具有抑制增温的作用。(本文来源于《遥感学报》期刊2018年03期)
钟思雨[6](2018)在《月平均气温数据的多元时间序列因子分析》一文中研究指出本文是多元时间序列因子分析在气象学上的一个应用.文章首先对华南地区8个城市的月平均气温数据以及季节差分数据进行描述性分析,结果发现:这8个城市的月平均气温序列以及季节差分序列都可能存在共同因子.因此,我们可以对这8个城市的月平均气温数据以及季节差分数据分别拟合多元时间序列的因子模型.根据数据的描述性分析,文章应用了Pan和Yao(2008)的近似因子模型来拟合月平均气温数据,应用了Lam和Yao(2012)的近似因子模型来拟合季节差分数据.结果表明:华南地区8个城市的月平均气温序列具有5个共同因子,其中有2个周期因子.这与华东地区7个城市的月平均气温序列很相似,它们具有4个共同因子,其中有2个周期因子,且这两个周期因子的解释与8个城市的相似.另外,8个城市的季节差分序列具有2个共同因子,其中1个强因子,1个弱因子.(本文来源于《东北师范大学》期刊2018-05-01)
马秀霞,黄领梅,沈冰[7](2017)在《陕西省月平均气温空间插值方法研究》一文中研究指出为弥补陕西省气象站点数量有限、空间分布不均等问题,对常用空间插值方法进行比较研究,探寻适宜陕西省气温空间插值方法。根据陕西省内外110个气象站点1981-2010年的月平均温度,选用反距离权重法、普通克里金法与多元线性回归法进行空插值,利用实际验证法进行精度评估。结果表明,考虑了经度、纬度和高程的多元线性回归法的插值精度最高,普通克里金法次之,反距离权重法精度最低;多元线性回归分析法对陕西省气温插值最为适宜。(本文来源于《水资源与水工程学报》期刊2017年05期)
秦进,白红英,刘荣娟,翟丹平,苏凯[8](2017)在《近144年来秦岭太白山林线区3—6月平均气温的重建》一文中研究指出秦岭太白山林线植被因海拔较高且受人为扰动较轻,对气候变化的响应尤为敏感,为获取过去气候变化信息提供了可靠代用资源。然而,结合树木年代学方法及Arcgis空间插值功能进行秦岭林线气候变化重建的工作至今仍处于空白。利用采自太白山林线地带太白红杉(Larix chinensis)所建立的树轮宽度资料,与提取自太白山保护区气温栅格数据中的采样点位置气象数据进行相关分析。结果表明,太白红杉与3—6月平均气温相关性最显着,采用线性回归建立了两者的拟合模型,剔除重建方程中的1997、1998年之后,方差解释量达57.2%(调整自由度后为55.5%);重建气温序列显示偏冷时段平均跨度(16年)较偏暖时段平均跨度(10.8年)长,偏冷时段有:1870—1881年、1903—1918年和1977—1996年;偏暖的时段有:1882—1892年、1919—1929年和1997—2013年;在1931—1978年这一时期,气温相对稳定,1988年之后升温强烈;周期分析显示近144年以来3—6月气温存在22—31 a,18—22 a以及10—13 a的3个振荡周期,可能与大尺度气候驱动及太阳活动存在联系。以上结果均得到历史记录以及周边重建结果的支持。(本文来源于《生态学报》期刊2017年22期)
陆琦,邱新法[9](2017)在《基于GIS的月平均气温空间化方法的比较研究》一文中研究指出使用1961-2000年全国743个气象台站常规气象观测资料,利用IDW、Kriging以及Spline这3种常用空间插值方法,以及复杂地形下月平均气温分布式模型,生成全国的月平均气温空间分布图,并同时与中国气象数据网提供的中国地面气温月值0.5°×0.5°格点数据集进行比较,结果表明:3种插值方法(IDW、Kriging、Spline)、格点数据集与气温分布式模型的绝对误差分别为1.59℃、1.54℃、1.99℃、1.40℃、0.56℃,气温分布式模型的精度最高,而且其空间分辨率最高,模拟的稳定程度较好,能够很好地体现气温随地形的变化特征。因此,气温分布式模型对于平均气温的模拟性能最好。(本文来源于《科技通报》期刊2017年03期)
李亚飞,王磊斌,毛慧琴,延晓冬[10](2016)在《使用岭回归对哈萨克斯坦月平均气温的统计降尺度研究》一文中研究指出哈萨克斯坦是世界最大的内陆国家,拥有典型的大陆性气候和多样的地理环境及生态系统,同时哈萨克斯坦的自然环境和人类社会对于气候变化这一全球性问题是敏感的、脆弱的,需要运用科学的研究方法应对气候变化的挑战。通常,区域或局地尺度的气候变化影响研究需要对气候模式输出或再分析资料进行降尺度以获得更细分辨率的气候资料。近年来,大量验证统计降尺度方法在各个地区能力的研究见诸文献,然而在哈萨克斯坦地区验证统计降尺度方法的研究非常少见。本文使用了岭回归的方法对哈萨克斯坦地区11个气象站点1960~2009年的月平均气温进行了统计降尺度研究。结果显示,使用前30年数据和岭回归模型建立大尺度预报因子和观测资料的统计关系可以较好地预测后20年的月平均气温,预测能力在各站各月均有不同程度的差异,地形复杂的站点预测效果较差,夏季预测结果好于冬季;此外,将哈萨克斯坦地区平均来看则与观测数据相吻合。(本文来源于《气候与环境研究》期刊2016年05期)
月平均气温场论文开题报告
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
针对径向基函数(RBF)神经网络关键参数的优化问题,提出基于遗传操作的粒子群混合优化RBF神经网络算法,通过结合遗传操作,避免粒子群潜在的局部收敛。将此方法应用在月平均温度预测中,并与传统的RBF和BP神经网络同期对应的预测结果进行对比。结果表明,混合优化的RBF神经网络在预测精度和稳定性方面均优于传统算法,可以为短期气候预测提供参考。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
月平均气温场论文参考文献
[1].李丽霞.呼和浩特市区近27年月平均气温变化特征分析[J].内蒙古科技与经济.2019
[2].魏爽,王丽吉,吴书成,鲁奕岑.基于混合优化RBF神经网络的月平均气温预测[J].现代计算机.2019
[3].聂磊,舒红,刘艳.复杂地形地区月平均气温(混合)地理加权回归克里格插值[J].武汉大学学报(信息科学版).2018
[4].屈非凡,邱新法,曾燕,姚镇海.月平均气温物理经验统计模型优化研究[J].科技通报.2018
[5].王圆圆,李贵才,郭徵,郭兆迪.1979年—2014年叁峡库区月平均气温的时空变化分析[J].遥感学报.2018
[6].钟思雨.月平均气温数据的多元时间序列因子分析[D].东北师范大学.2018
[7].马秀霞,黄领梅,沈冰.陕西省月平均气温空间插值方法研究[J].水资源与水工程学报.2017
[8].秦进,白红英,刘荣娟,翟丹平,苏凯.近144年来秦岭太白山林线区3—6月平均气温的重建[J].生态学报.2017
[9].陆琦,邱新法.基于GIS的月平均气温空间化方法的比较研究[J].科技通报.2017
[10].李亚飞,王磊斌,毛慧琴,延晓冬.使用岭回归对哈萨克斯坦月平均气温的统计降尺度研究[J].气候与环境研究.2016