基于自组织映射神经网络的东亚区大尺度环流异常及其与气候异常的关系研究
文献类型：学位论文
| 作者 | 杨叶 |
| 答辩日期 | 2020-05-15 |
| 文献子类 | 硕士 |
| 授予单位 | 中国科学院大学 |
| 授予地点 | 中科院烟台海岸带研究所 |
| 导师 | 高猛 |
| 关键词 | 东亚 气候变化 大气环流模态 自组织映射神经网络 East Asia Climate Change Atmospheric Circulation Patterns Self-Organizing Map Neural Network |
| 学位名称 | 理学硕士 |
| 学位专业 | 地图学与地理信息系统 |
| 其他题名 | Study on the relationship between anomalous large-scale atmospheric circulation patterns and climate anomalies over East Asia based on self-organizing map neural network |
| 英文摘要 | 大尺度大气环流异常是导致区域极端气候的主要原因之一。对气候再分析资料进行数据挖掘和统计分析是认知大气环流特征和极端气候发生规律的重要研究方法。本文首先利用自组织映射神经网络SOM（self-organizing map）对东亚地区1979-2017年间的异常大气环流模态进行分类。在此基础上，建立各种模态和多种气候影响因子间的对应关系，并着重分析了我国气温异常的变化趋势及其动力学机制。其次，将异常大气环流模态与东亚地区极端气温及降水事件进行关联，研究了异常大气环流与季风系统共同作用下的气候异常特征。最后，为更加深入地探索东亚地区在近40年来季均气候变化的特点及其大尺度环流条件，本文利用合成分析生成了西太平洋遥相关型WP（West Pacific Pattern）、北极涛动AO（Arctic Oscillation）及厄尔尼诺-南方涛动ENSO（El Niño-Southern Oscillation）正负位相时期的异常大气环流模态和海表温度距平模态，并选择受遥相关影响较大的一些区域作为研究对象，从海-气耦合作用角度探讨了遥相关型对这些区域气候变化的影响。主要结论如下： （1）SOM方法可以有效表征东亚地区典型的大尺度异常大气环流模态。 （2）冬季AO会显著影响我国尤其是东北地区的气温变化。在夏季，AO的效应大幅减弱。冬季拉尼娜（La Niña）事件时期，我国大多数地区气温异常偏暖，而在厄尔尼诺（El Niño）事件时期，北方地区气温异常偏冷。夏季，ENSO和我国气温异常并不存在明显的联系。 （3）将数据划分为1979-1998和1999-2017年两个时期，研究分析了极端气温事件的变化情况及其成因。结果显示，极端冷事件的减少，极端暖事件的增加主要和热力学因素有关，相反，动力学因素对这一变化的贡献微小，在某些情况下甚至起到了抑制作用。结果进一步证实了全球变暖对局域气候变化的重要性。 （4）SOM的分类结果表明，在冬季，东亚地区极端降水事件的发生取决于大气水平环流及垂直环流的共同作用。在夏季，降水主要同大气垂直环流相关，其与水平环流间的关系并不显著。 （5）较强的东亚冬季风EAWM（East Asian Winter Monsoon）会造成东亚地区出现大范围的冷天气，其与降水事件间的联系依赖于地理位置。而SOM方法对于东亚夏季风EASM（East Asian Summer Monsoon）强弱位相时期的大气环流形势的表征结果并不令人满意。 （6）活跃的WP和AO会引发冬季东亚地区大范围的气温异常，而ENSO的作用相对较小。此外，研究还表明遥相关型对月际气温变化的效应更强，而日际气温受到局域-天气尺度环流系统和遥相关型的共同控制。 |
| 语种 | 中文 |
| 源URL | [http://ir.yic.ac.cn/handle/133337/24209]  |
| 专题 | 中科院烟台海岸带研究所知识产出_学位论文 烟台海岸带研究所_中科院烟台海岸带研究所知识产出 |
| 推荐引用方式 GB/T 7714 | 杨叶. 基于自组织映射神经网络的东亚区大尺度环流异常及其与气候异常的关系研究[D]. 中科院烟台海岸带研究所. 中国科学院大学. 2020. |
入库方式： OAI收割
来源：烟台海岸带研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。