2020-2100年对德黑兰地区温度和降水的投射：利用环流模式输出的后处理和人工神经网络方法
摘要：通过探究使用人工神经网络（ANN）方法组合气候模型预测是否能够提高气候预测的准确性并减小不确定性范围，本研究展示了多模型投影在气候研究中的应用。采用了15个全球环流模型（GCM）的当前气候模拟和未来气候预测数据进行研究。结果显示，采用ANN方法组合GCM预测比最佳模型和平均模型在当前温度和降水模拟上有更好的表现。最佳模型在两个变量和各个站点之间的表现存在差异，因此没有一种模型能够代表所有变量和/或研究区域的最佳模型。平均模型在提供可靠的历史气候预测方面也不具备优势。温度模拟表明，ANN方法在所有站点中具有最佳的当前月均模拟技巧。然而，降水模拟表明，虽然ANN方法的表现优于平均模型，但并不是在所有站点中都是最佳方法。采用ANN方法进行未来气候条件的多模型投影显示，所有站点和情景都预计会出现温度上升和降水减少的情况。
作者：Ehsan Mosadegh and Iman Babaeian
论文ID：2109.04619
分类：Atmospheric and Oceanic Physics
分类简称：physics.ao-ph
提交时间：2021-09-13