基于地基宽带辐射观测资料的云检测算法改进

利用地表太阳总辐射和散射辐射对Long and Ackerman (2000)的云检测算法进行了改进,提高了云判别的准确率.首先采用比值概率密度峰值法,初步选出晴天时刻.然后根据晴天时刻的地表太阳总辐射和太阳天顶角余弦值,拟合得到该日晴天总辐射近似表达式.在此基础上,计算各时刻实际观测值与用该拟合式估计的总辐射的比值,...     

基于CMIP6多模式集合的未来中国风功率预估

实现我国2060年“碳中和”目标,需要大力发展包括风能在内的清洁能源,然而气候变化给未来风资源利用带来较大的不确定性。本文利用人工神经网络(Artificial Neural Network,ANN)算法对16个CMIP6气候模式风速数据进行逐一订正,在此基础上预估21世纪30、60年代以及21世纪末这3个不同年代在低(SSP1-2.6)和高(SSP5-8.5)排放情景下中国风功率较当代的变化。结果表明,ANN算法使CMIP6气候模式均方根误差平均降低(39.93％±9.57％),并使多模式集合平均与观测的相关系数从0.56增加到0.83,更好地再现了中国当代风速的空间分布和季节变化。在此基础上,预估的21世纪60年代(2050—2064年)风功率密度在两种情景下分别减少了(1.01±0.94) W·m^-2(2.62％±2.27％)和(1.11±1.45) W·m^-2(1.90％±2.51％)。时间上,春季作为风能密度最大的季节,两种排放情景下风功率分别减少了(1.16±1.14) W·m^-2和(1.43±1.58) W·m^-2。空间上,中国东南部风功率密度在SSP1-2.6情景下降(0.56±0.53) W·m^-2,而SSP5-8.5情景下上升(0.40±0.29) W·m^-2。近期(2025—2039年)全国平均风功率密度在两种情景下分别减少了(0.52±0.83) W·m^-2和(0.54±1.02) W·m^-2,而长期(2085—2099年)风功率密度分别减小了(0.98±1.17) W·m^-2和(1.83±1.17) W·m^-2。利用极度梯度提升(XGB)算法订正CMIP6数据的预估变化量级偏小但趋势一致,表明随着全球变暖幅度的增加,我国风功率降低的趋势将更加显著。