基于深度学习的定量分析,对越南公河三角洲的陆地与大气相互作用的反进行了分析
1School of Social and Environmental Sustainability, University of Glasgow, Dumfries, UK.
The Science of the total environment
|August 1, 2024
概括
越南公河三角洲的严重干旱是由陆地和大气相互作用加剧的. 降低土壤湿度和增加感应热量显著减少降水量,影响农业和水产养殖.
科学领域:
- 环境科学 环境科学
- 气候科学 气候科学
- 水文学的水文学
背景情况:
- 越南的公河三角洲 (VMD) 面临重复严重的干旱,影响农业和水产养殖.
- 陆地-大气层 (LA) 相互作用对干旱的演变和加剧至关重要.
- 量化LA对干旱严重性的变量影响至关重要.
研究的目的:
- 使用深度学习模型模拟VMD中的LA交互.
- 量化关键变量 (土壤湿度,感知热量,潜热量) 在 LA 相互作用中的作用.
- 研究气候变化下的这些相互关系的未来变化.
主要方法:
- 长期和短期时间序列网络 (LSTNet) 深度学习模型的应用.
- 利用ERA5数据用于当前的LA互动建模 (2011-2020).
- 使用CMIP6数据用于未来的预测 (2015-2099年).
主要成果:
- LSTNet有效地捕捉了LA相互作用中的变量的相对重要性.
- 土壤湿度和感应热量显著影响降水量,特别是在干旱时期.
- 阴性土壤湿度和明显的热异常减少了降水量.
结论:
- 陆地与大气的相互作用,特别是土壤水分和感应热量,是VMD干旱严重程度的关键驱动因素.
- 预计未来的气候变化将进一步减少降水量,加剧干旱状况.
- 深度学习模型为分析复杂的LA相互作用和气候影响提供了有效的工具.
