一、预测川渝地区汛期降水量的一种物理统计模型（论文文献综述）
方巍,庞林,王楠,易伟楠[1]（2020）在《人工智能在短临降水预报中应用研究综述》文中研究表明短临降水预报是一项重要且具有挑战性的世界性难题.研究人员曾尝试使用各种技术预报降水,但是由于降水本身具有高度非线性、随机性和复杂性的特性,使得降水预测精确度并不高.近年来,随着人工智能技术的迅猛发展,其日渐渗透到人们生活的方方面面,气象领域也因此得益.人工神经网络能够对非线性系统进行建模,因此相比于传统方法,如数值天气预报法和光流法等,人工智能方法使得降水预报的准确率大大提高.本文介绍了传统降水预报的方法,着重总结概括了用于短临降水预报的各种最新人工智能方法,并对各研究方向进行归纳分析,为各类研究人员研究提供有益参考和借鉴.
饶艳燕[2]（2020）在《安徽省近60年梅雨时空特征分析》文中进行了进一步梳理季风雨带锋面降水是安徽省夏季降水的重要组成部分,随副高北跳和停滞,安徽省位于季风雨带的时段主要分为梅雨期和黄淮雨季期,梅雨期时安徽省降水主要在长江以南和江淮之间区域,黄海雨季时,安徽省降水主要在淮河以北区域。论文根据季风雨带的移动特点,将安徽省分为江南、江淮和淮北3个区域,结合副高脊线位置、气温和雨日等高空和地面多方面因素对安徽省1957～2016年的梅雨过程进行识别,分析各区域梅雨量、梅雨期长度等梅雨特征量的时空分布,并对3个区域梅雨期之后的黄淮雨季期降水特征进行分析。利用Z指数对安徽省梅雨期的副高脊线、西伸脊点进行等级划分并分类,分析了不同副高类型下各区域的梅雨降水特征。采用Z指数对江南梅雨期和黄淮雨季两个时段的江南和淮北两个区域的降水量等级进行识别,分析了两个时段安徽省降水空间分布及其对同期副高的响应。识别了影响安徽省各区域梅雨量的前期因子,通过t分布双侧检验筛选了其中的部分因子作为梅雨量预测模型的输入,构建了基于集对相似（SPA-SF）的梅雨量预测模型,其中1957～2006年安徽省3个区域的梅雨量及其相关数据为训练样本,2007～2016年的数据为验证样本。研究结果表明:（1）安徽省梅雨入、出梅日有从南到北逐渐推迟,梅雨量由南到北逐渐减少的特征。仅有一段梅雨期的江南、江淮和淮北的多年平均入梅日分别为6月16日、6月19日和6月25日,出梅日分别为7月11日、7月11日和7月14日,梅雨量分别为344.1、234.7、207.8mm;3个区域空梅年数分别为5、6和9a;3个区域二度梅年数分别为7、5和4a。（2）安徽省江南、江淮和淮北的梅雨量的年代际、周期和重现期特征存在差异。安徽省3个区域的梅雨量在年代际尺度上总体上呈现增加趋势,但各个区域的变化存在差异,江南与江淮区域的梅雨量在20世纪90年代为最大值,淮北区域则在2000年初为最大值。江南区域的梅雨量表现出4、10和21a左右的周期波动,江淮区域的梅雨量表现出6、9和17a左右的周期波动,淮北区域的梅雨量表现出6、13和18a左右的周期波动。3个区域梅雨期最大3d、5d降水量超过20a、50a一遇等典型重现期的年份也有所不同:江南区域1996和1999年梅雨期最大3d降水量均同时超过20a一遇和50a一遇;1996、1999和2016年梅雨期最大5d降水量超过20a一遇,1999年最大5d降水量超过50a一遇。江淮区域1991和2003年梅雨期最大3d降水量超过20a一遇,其中1991年超过50a一遇;1991和2016年梅雨期最大5d降水量超过20a一遇,其中1991年超过50a一遇。淮北区域1965、2000和2007年梅雨期最大3d、5d的降水量均超过20a一遇,此外1991年梅雨期最大3d降水量超过20a一遇,淮北区域梅雨期最大3d、5d均未超过50a一遇。（3）安徽省梅雨期时副高脊线偏南有利于江南区域降水,偏北有利于淮北区域降水;当西伸脊点偏西时,有利于安徽省3个区域降水,偏东时,不利于安徽省3个区域降水。江南梅雨期时降水可分为南北正常、南北同丰、南北同枯、南丰北枯和南枯北丰5种,在空梅年除外的55年中比例分别为11.0%、7.2%、20.0%、34.5%和27.3%。南北正常时副高脊线、强度、面积和西伸脊点与多年均值接近,南丰（南丰北枯和南北同丰）时的脊线位置偏南,南枯北丰时脊线偏北,南北同枯时副高强度、面积异常偏小,西伸脊点异常偏东。黄淮雨季时,降水可分为南北正常、南北同丰、南北同枯、南丰北枯和南枯北丰5种,在60年中出现的比例分别为13.3%、11.7%、15.0%、26.7%和33.3%。南北正常时,副高各特征接近接近多年均值,北丰（南北同丰和南枯北丰）时的副高强度偏大,北枯（南丰北枯和南北同枯）时副高强度偏小,其中南丰北枯的副高强度最小。（4）基于SPA-SF的江南区域2007～2016年的梅雨量预测结果良好,除2012年和2016年,模型预测的平均相对误差绝对值为12.2%;江淮区域2007～2016年的梅雨量预测总体上效果较好,除2009、2012和2016年,模型预测的平均相对误差绝对值为13.8%;淮北区域2007～2016年的梅雨量预测效果不如江南和江淮区域,预测的10年中只有6年的梅雨量等级正确。
沈皓俊[3]（2019）在《基于机器学习的中国夏季降水预测研究》文中提出基于大数据的机器学习算法在诸多领域已有广泛应用,但在降水季节预测方面则刚刚起步。因此,基于国家气候中心（BCC）季节气候预测模式资料和国家气象信息中心提供的中国地面降水逐月观测资料,本研究探索了机器学习在中国夏季降水预测中的应用。降水预测因子的选取影响着机器学习预测的准确率。经广泛文献调研,本研究选取了对于中国夏季降水预测而言有着明确物理意义的60个气象因子,含33个大气因子、7个陆面因子、13个海洋因子和7个海冰因子。本研究对长短期记忆网络（Long Short-Term Memory,LSTM）算法进行了优化研究。针对LSTM网络中的训练误差、泛化误差,分别采用了自适应矩估计（Adaptive Moment Estimation,Adam）、Dropout的方法进行优化,从而加快了网络的训练速度,并提高了模型的泛化能力。由于LSTM网络预测准确率受网络参数的影响较大,且不同气象站点的降水气候特征与预测因子各异。本研究对160站逐个的隐含层节点数、训练次数和学习率等参数进行了调优。还比较了LSTM网络与逐步回归、BP神经网络（Back Propagation Neural Network）和BCC模式结果的预测准确率。研究结果表明:综合考虑均值、距平相关系数和均方根误差,LSTM网络预测能力优于逐步回归、BP神经网络和BCC模式结果。使用4月起报数据的LSTM网络降水距平的预测结果准确率优于使用3月、5月起报数据的预测结果。海冰因子对降水季节预测结果的准确率而言有着正贡献;全因子输入的LSTM网络预测效果优于剔除海冰因子后的LSTM网络。基于参数调优结果和对预测方案的研究,本文最终选取基于4月起报的BCC模式数据,并采用了输入全部降水预测因子的LSTM网络进行中国夏季降水预测。结果表明,LSTM网络对降水整体形势有着一定的预测能力。2014年、2015年全国夏季降水回报试验的Ps评分分别为74分、71分,距平符号一致率分别为55.63%、55.25%;Ps评分均值高于当年汛期全国气候趋势预测会商会及业务模式结果。本研究为中国夏季降水预测提供了一种可能的参考。
许传阳[4]（2019）在《中国南亚热带典型季风区雨季水汽空间分异特征研究》文中研究表明降水过程是一个地区气候旱涝更替的主要影响因素,而水汽输送是制约降水过程的关键环节,分析影响“干湿”气候状况的水汽来源及输送状况,对于进一步认知区域降水时空分异特征至关重要。本论文以位于典型亚热带季风区的中国云南省和广西壮族自治区组合地带为研究区域,以稳定同位素示踪、HYSPLIT模式应用及SOFM非线性分类器构建等为研究手段,开展雨季降水过程的时空变化特征、不同季风环流水汽输送过程及其交互影响区域的界定研究。创新性基于多元数据构建SOFM非线性分类器对西南和东南水汽通道交汇区位置作了进一步明确和重新认知,得出分异界线在哀牢山东侧的结论。理论价值主要体现在有助于深入理解我国亚热带季风区域的旱涝灾害形成,实践意义则是能够促进气候区划修订和国家防灾减灾战略制定。论文沿着“降水分异-水汽来源-输送路径-水汽交互影响界定”的总体思路展开研究,主要工作及研究结论如下:（1）辨识雨季开始期特征,阐明了雨季降水时空格局。应用16个气象台站1971-2016年日降水数据,基于ArcGIS平台,辨析雨季来临时间相位时空格局;探讨雨季降水构成特征（降水量、日数、强度）的年际、月际变化趋势及不同等级降水强度对降水量贡献的分异特征;阐明雨季降水空间关联特征与演变规律。结果表明,1971年到2016年间的研究区雨季降水区域分异显着,大体以哀牢山为界,东部地区稍早于西部地区进入雨季,降水量总体趋势是自东西两侧向中部区域逐渐减少,降水强度随时间波动呈现东减西增趋势,降水量年际波动东部地区稳定性明显高于西部地区,且有自东向西逐步降低之趋势。（2）揭示雨季降水来源分异特征,探讨了其交互影响区域。应用2014年降水氢氧稳定同位素实测数据,借助稳定性同位素技术,研究雨季全期及一次降水过程δD和δ18O的衰减过程,及水汽输送空间格局,探讨大气降水氢氧稳定同位素空间突变的降雨量效应和大陆效应,分析西南水汽和东南水汽的交互区域。结果显示,整个雨季及一次典型性暴雨过程的氢氧稳定同位素空间分布格局基本一致,展示出了来自西南方向的孟加拉湾水汽、来自东南方向的南海水汽的大气降水重同位素分别自西向东和自东向西不断递减现象。南海季风向西运移途经研究区东部的过程中,西来的孟加拉湾水汽越过哀牢山后在红河、个旧附近与其相遇,共同造成该区域稳定同位素量值减少较快,即空间分界特征较为清晰。（3）阐明雨季水汽输送路径及来源,揭示了水汽传输的时空演变规律。应用全球资料同化系统GDAS格式的2013-2016年风向数据,基于HYSPLIT后向轨迹模式从月尺度追踪各站点的雨季水汽输送路径及各方向水汽对降水量贡献的时空演变规律;结合聚类分析,从雨季尺度进一步探讨西南水汽和东南水汽的交互影响区域。结果显示,研究区东、西部分别受南海水汽和孟加拉湾水汽影响且存在差异。影响研究区西部地区雨季的水汽以来自西南方向的孟加拉湾水汽占绝对优势,而东南方向的南海水汽和西南方向的孟加拉湾水汽都是影响东部地区雨季的主要水汽,即哀牢山以东地区的雨季不仅受南海水汽控制,还受到了孟加拉湾水汽明显作用。（4）构建SOFM非线性分类器,定量描述了雨季水汽来源分异特征。建立多元数据的水汽来源分异量化表征体系,利用神经网络技术构建非线性分类器（SOFM）,定量描述中国典型亚热带季风区雨季水汽来源分异规律,辨识分异界线。结果显示,基本以哀牢山为界,以西地区雨季主要受孟加拉湾水汽控制;哀牢山以东地区位置靠西的红河、个旧、蒙自除主要受南海水汽影响外,还明显受到孟加拉湾水汽影响,而再往东的砚山以东区域则显着受南海季风控制。得出哀牢山山脉东侧的个旧、蒙自附近是研究区内的南海水汽和孟加拉湾水汽交互影响区域,是西南夏季风和东南夏季风的分界地带。
李晴[5]（2019）在《基于统计学的川渝地区滑坡影响因子及其危险性评价》文中研究说明滑坡是指一定条件下在斜坡坡体上发生的土体滑动现象,在世界范围内都广泛分布,发生次数较多,容易给人民的生命财产带来极大损失。我国拥有960万平方公里的广袤土地,地势西部高东部低,降水量在一年之内存在分配不均匀、年际变化大的特点,水资源东部多西部少、南部多北部少,地质构造复杂等特点,都为滑坡的发育和演化提供了条件,改革开放40周年以来,科技发展迅猛,人民生活质量得到极大提升,但随之而来的人类活动剧烈,工程措施快速建设,防灾预警机制不完善等问题也渐渐显露,导致我国滑坡灾害损失越来越严重,威胁人民的生命和财产;中国对滑坡灾害的研究已经存在很长时间,但由于我国特殊地质特点,导致对滑坡灾害数据的统计和整理工作存在不足,如上报不及时、资料匮乏短缺等问题。基于以上多方原因,笔者通过搜集与统计各大地质信息网站上有关滑坡地质灾害相关数据信息,通过整理滑坡灾害发生时间、地点、范围等相关内容,进行滑坡灾害数据相关内容的分析与研究,结合ArcGIS软件进行数据分析,对滑坡灾害进行区域规划,对滑坡较为密集发生区域—川渝地区所发生滑坡灾害特点,运用统计学方面的内容进行具体分析,并对其区域内的地质灾害典型代表点进行风险评估,有利于将来该区域的防灾减灾工作更好地开展,为完善滑坡防灾预警机制提供帮助与支持。
陈丹,周长艳,熊光明,邓梦雨[6]（2018）在《近53年四川盆地夏季暴雨变化特征分析》文中研究说明利用1960-2012年川渝逐日降水资料、NCEP/NCAR再分析资料和Hadley海温资料,借助小波变换、合成分析和相关分析等方法,讨论了四川盆地夏季暴雨的时空变化特征,分析了盆地西部和东部暴雨异常时的水汽输送、大气环流和海温异常情况。结果表明,四川盆地暴雨频数和暴雨量在东、西部呈相反变化,盆地西部暴雨呈减少变化,东部呈增加变化,暴雨量和暴雨频数存在十分显着的正相关。盆地西部暴雨量在20世纪60年代和80年代偏多,90年代出现显着减少的变化,21世纪初也明显偏少,20世纪60年代、80年代中期至90年代末主要为显着的67年年际周期振荡;盆地东部暴雨量在60年代和70年代明显偏少,80年代、90年代以及21世纪初明显偏多,20世纪70年代初至90年代初主要存在显着的89年年际周期振荡和1415年的年代际周期振荡。副热带高压（简称副高）偏北偏强,有利于西太平洋水汽输送至盆地西部地区,中高纬度槽线发展引导冷空气南下与副高西南侧的暖湿气流在盆地西部汇合,导致盆地西部暴雨偏多;副高偏南,西太平洋水汽向盆地东部输送较多,贝加尔湖西部多阻塞形势,冷空气南下有所偏东,使得冷空气和暖湿空气在盆地东部汇合,导致盆地东部暴雨偏多。西太平洋暖池偏强（弱）,ENSO冷（暖）事件时,四川盆地西部暴雨偏多（少）;盆地东部暴雨与海温的关系明显弱于西部,主要表现为负相关。
王怡璇[7]（2017）在《变化环境下滦河流域干旱演变驱动机制及定量评价研究》文中指出在气候变化和人为干扰加剧的背景下,承担向下游天津、唐山两市供水重任的滦河流域极端干旱频发,多次引发区域性水危机,水资源问题日趋严峻。由于环境变化影响,流域干旱形成机制发生改变,水文序列呈现非一致性特征,导致基于一致性假设的传统干旱分析方法受到质疑。本文围绕非一致性干旱定量评价方法,以滦河流域为研究对象,开展变化环境下干旱演变驱动机制及定量评价研究,主要研究内容及结论如下:（1）滦河流域多尺度干旱时空演变特征分析基于经验Copula函数构建了联合降水亏缺指数（JPDI）,指标能较全面客观地反映滦河流域历史旱情;采用JPDI指标和不同时间尺度SPI指标,分析了滦河流域多尺度干旱演变时空分布特征,发现滦河流域可分为东南部、中部和西北部三个干旱亚区,东南部为流域干旱高发区、重旱区;近50年来,滦河流域干旱发生频率及严重程度均呈现显着增加趋势,流域东南部干旱以及夏季干旱的加重趋势更明显。（2）滦河流域干旱演变驱动机制识别在分析滦河流域各气象水文要素及下垫面条件演变规律的基础上,探讨流域气象干旱和水文干旱演变情势,结合成因分析,识别了滦河流域干旱驱动模式;构建并采用相关评估指标分析干旱驱动因子的作用方式,验证了干旱驱动模式的识别结果,表明滦河流域气象干旱在19592011年主要受气候变化影响;滦河流域水文干旱在1980年前主要受气候变化作用,在1980年后同时受到气候变化和人类活动作用。（3）滦河流域干旱非一致性影响因子分析在滦河流域干旱驱动机制识别的基础上,提出了气候变化因子（CI）指标,以表征气候变化导致的干旱非一致性影响因子;筛选与滦河流域降水/径流变化显着相关的大气涛动指数序列,用于量化流域气象干旱/水文干旱的CI指标;提出了基于SWAT模型的人为影响因子（HI）指标,以表征人类活动导致的水文干旱非一致性影响因子;构建SWAT模型模拟滦河流域径流变化并推求HI指标,计算结果表明HI在研究区适用性较好。CI和HI指标能够满足滦河流域非一致性干旱定量评价的需要。（4）滦河流域变化环境下气象干旱定量评价提出了基于非一致性模型的时变标准化降水指数（SPIt）和非一致性标准化降水指数（NSPI）,应用SPIt、NSPI和传统SPI指标模拟了滦河流域历史旱情。通过对比分析,发现用于构建NSPI指标的非一致性模型,采用以气候变化因子（CI）为协变量的概率分布拟合降水序列,能够将气候变化对干旱非一致性的影响考虑在内,从而提高了NSPI指标对气候变化的适应能力;由于考虑了同期/前期气候变化影响,NSPI指标表征的气象干旱程度具有响应气候变化的动态特征,相比SPIt和传统SPI,NSPI构建原理更合理,且在滦河流域适用性更好。应用NSPI指标分析了滦河流域变化环境下气象干旱特征的时空演变规律,结果表明,近50年来,滦河流域气象干旱发生频率显着上升,干旱历时和强度不断增加;各干旱特征的高值区均集中在流域东南部,且有向中部转移的趋势。（5）滦河流域变化环境下水文干旱定量评价提出了非一致性标准化径流指数（NSSI）,用于构建该指标的非一致性模型,采用以气候变化因子（CI）和人为影响因子（HI）为协变量的概率分布拟合径流序列,能够同时考虑气候变化和人类活动对水文干旱非一致性的影响,从而提高了NSSI指标对环境变化的适应能力;以柳河子流域为研究对象,推求并应用NSSI指标模拟流域历史旱情,发现由于考虑了环境变化影响,NSSI指标表征的水文干旱程度呈现出动态特征,比传统SSI构建原理更合理,在柳河子流域适用性更好。应用NSSI指标分析了滦河代表流域变化环境下水文干旱特征的演变规律,结果表明,近40年来,滦河流域水文干旱的发生频率、历时及强度总体上均呈增加趋势,21世纪后趋势显着。本文在干旱演变驱动机制分析的基础上,构建能够响应环境条件变化的非一致性干旱指标,将其应用于滦河流域变化环境下干旱定量评价,应用效果较好。本文提出的非一致性干旱定量评价方法,为非一致性干旱问题研究提供了新的思路和参考。
张鹏程,张雷,王继民[8]（2017）在《一种基于深度网络的多环境因素降水量预报模型》文中研究说明为了更好地反映区域降水的变化趋势,开展区域降水量预报显得尤为重要。在流域信息时代存在丰富大数据的情况下,提出一种基于DBN（Deep Belief Nets）深度网络降水量预报模型的新方案。该方案通过模拟大脑神经元的多层结构,并使用反向传播网络对整个网络进行微调。模型使用了与每日降水量息息相关的七种环境因素作为输入向量,未来24小时降水作为输出向量,通过在贵州遵义地区的实验证明了模型的有效性,并与现有方法进行了对比实验,结果表明模型具有更好的预测效果。
汪溪远[9]（2016）在《长江流域温室气体排放与气候变化响应及脆弱性研究》文中进行了进一步梳理长江流域是我国经济发展的主轴线之一,工业化和城市化进程相对较快。伴随着经济持续快速的发展,长江流域的生态环境持续恶化,对各种灾害的敏感度持续增加。在全球气候变化影响下,流域内干旱、洪水和霜冻等各种极端天气事件频繁发生,因气象灾害导致的直接经济损失持续上升。因此长江流域如何应对气候变化风险,降低气候变化脆弱性是值得深入研究的课题。本论文以长江流域温室气体排放清单为基础,分析了经济发展与温室气体排放之间的相关性;以区域空间温室气体浓度分布为纽带,分析了区域温室气体排放与区域气候变化之间的相关性：初步揭示了区域气候变化的响应特征,并预测了未来气候变化时空变化趋势；基于上述结果本研究进一步系统分析了气候变化影响下区域气候变化脆弱性现状及其发展趋势。主要研究结果如下：（1）长江流域温室气体排放清单及其与社会经济发展的相关性：本论文利用IPCC《国家温室气体清单指南》方法,结合地区动态特征系数,核算了能源、工业（过程）、农业、废弃物处理和林业的三种主要温室气体（CO2、CH4和N2O）的排放清单。结果显示：①1990～2012年间,全流域的温室气体排放量从15.18亿吨CO2-eq （CO2当量）增长至44.14亿吨C02-eq,年均增长率约为4.9%。林业C02吸收量从1.11亿吨增加到1.84亿吨,年均增长率约为11.6%；按三种温室气体分CO2约占75.4%,CH4（以CO2当量值计）约占10.2%,N2O（以C02当量值计）约占14.4%；按行业分能源约占40%,工业约占15.2%,农业约占26.6%（畜牧业17.7%,种植业8.9%）,废弃物处理部门0.7%；按地区占比为川渝地区21%,江苏17%,湖北13%,安徽12%,湖南12%,贵州10%,上海8%,江西7%；按流域分上游占31%,中游占25%,下游占44%。作为LUCC引起的温室气体排放变化的一个特例,本文研究了三峡库区的温室气体排放问题。利用SCIAMACHY遥感数据分析了库区CH4浓度年平均变化和月平均变化。发现库区CH4浓度变化有很强的空间异质性和时间变异性。但是对比三峡水库建成前后水库空间大气CH4浓度变化幅度,认为水库的建设总体上对库区CH4浓度变化影响不明显。②温室气体排放量年增长率,温室气体排放强度年增长率和人均温室气体排放量年增长率的EKC分析表明,排放量年增长率符合条件的是上海市、安徽、湖北和贵州省；排放强度年增长率符合条件的有安徽、湖南、川渝和贵州省；人均排放量年增长率符合条件的有上海市、安徽、湖北、川渝和贵州省。分析符合条件的省市在EKC曲线上所处的位置可知,除了上海市和贵州省的温室气体排放量达到顶点以外,其余地区都处在上升的阶段。其中上海市的温室气体排放量处在EKC的排放量峰值。③除上海市外其余各省市温室气体排放与经济发展之间都表现弱脱钩关系,而上海市近五年中有三年表现出强脱钩关系。分产业分析,江苏省、川渝地区和贵州省的第一产业在最近10年有7年都表现强脱钩关系；上海市的第二产业自1996年以后都表现强脱钩关系。从长江流域温室气体排放量重心位置转移的距离、方向和轨迹判断,流域温室气体排放量与流域的经济发展表现协整关系,而与人口数量变化无关,说明经济发展是温室气体排放的主要驱动力。利用空间自相关理论检验研究区温室气体排放量空间分布特征,发现温室气体排放量在空间上表现出较强的差异型,但整体上呈现空间集聚效应。局部Moran’s I指数值结果显示研究区内上海市具有空间负相关性,其变化与周边地区差异显着。以上结果说明温室气体排放量的变化总体上与经济发展的关系是紧密的,两者成正相关关系；在局部上,发现上海市存在与其余各省市不相同的变化趋势,两者成负相关关系。（2）长江流域大气温室气体浓度变化及其对气候变化的影响：基于遥感数据和GIS技术,本文利用SCIAMACHY和TES卫星遥感数据研究了CO2、CH4和N2O在长江流域的空间分布格局。结果显示：三种温室气体在长江流域空间分布上呈现出CO2和N2O浓度东部高,西部低的特征；而CH4呈现相反的分布,特别是在四川、贵州交界处有一个高值区。另外两年的数据显示区域的三种温室气体均成增长趋势,与全球地面观测网络数据对比,其增长率相当。同时,分别计算了温室气体辐射强迫增加率和年平均温度变化,结果显示：以1990年为基准,辐射强迫增加率持续增长。在三种温室气体中,CO2贡献率最高约占90%,空间分布上辐射强迫增加率有自上游向下游逐渐增加趋势；以1990年为基准,平均温度增长了约0.69℃。（3）长江流域未来气候变化情景的设定和变化趋势预测：本文用MAGICC/SCENGEN模型研究未来长江流域平均气温和降水量的时间,季节和空间变化特征。结果显示：长江流域未来的气候变化增温可能性较大。中下游地区降水增加较多,上游降水可能会减少。冬季增温明显,但上游地区降水减少,中下游,特别是长三角地区降水增加较多；春季上游增温高于中下游,沿江地区增温较多,降水增加主要分布在长江以北地区；夏季中下游增温高于上游地区。降水整体上降低,上游与中游交界之处和长三角地区出现两个降水量减少的中心；秋季几乎在全流域增温幅度较大,只在西南边缘增温的幅度较小。降水出现两个相反的变化中心,长江上游以四川盆地东部为降水量减少的中心,长江中游以江西为中心的降水量增加中心。（4）长江流域气候变化脆弱性指数的现状和未来变化趋势：本论文利用VRIP模型（Vulnerability-Resilience Indicator Prototype model）、DEA模型（data envelopment analysis model）和空间面板数据模型系统分析了研究区内各地区气候变化脆弱性。并利用系统动力学理论模拟各地经济发展和脆弱性变化趋势,预测了各地区气候变化脆弱性未来发展趋势。研究结果显示：长江流域各地区的气候变化脆弱性是持续降低的。脆弱性指数降低的主要原因是适应能力增强导致的。而研究区各地区中气候变化暴露度最高的是江苏,敏感度最高的是湖南,适应能力最强的是上海；对比各省市气候变化相对脆弱性,最为脆弱的是江苏、安徽、湖南和川渝地区,贵州、江西和湖北脆弱性相对较低,脆弱性最低的是上海市；对脆弱性变量的空间自相关分析表明：按空间影响能力大小排序,敏感性指标依次为人类敏感性>经济敏感性>农业的敏感性；适应能力指标依次为基础设施水平>人口和公民资源>经济适应能力；系统动力学分析表明：在暴露压力无显着增加情况下,各地区气候变化脆弱性均表现为持续下降趋势。还发现研究区的脆弱性分布可划分成增加区（上海）,短暂平稳区（江苏、安徽、江西省和川渝地区）和持续改善区（湖北、湖南和贵州省）。另外,研究还发现2030年是研究区气候变化的关键时段,如果能在那个时段实现温室气体排放达到峰值,将有利于改善长江流域的气候变化脆弱性。
王连杰,毛文书,刘琳,袁梦,毛睿[10]（2015）在《川渝地区雨季降水特征及海温背景场分析》文中进行了进一步梳理利用川渝地区34测站19602010年共51年逐日降水量资料和同期逐月海表温度（SST）再分析资料,采用点相关、合成分析等现代气候诊断分析方法,研究了川渝地区雨季降水特征及海温背景场特征。结果表明:（1）川渝地区多年平均逐候降水量呈单峰型,川渝地区雨季确定为510月。（2）川渝地区雨季降水量时空分布不均,雨季降水量高值中心出现在雅安、乐山一线。（3）点相关分析表明,与川渝地区雨季降水量变化呈显着负相关的关键海区分别是:赤道东太平洋海域、北太平洋、赤道印度洋海域、南印度洋海域、北大西洋海域和赤道东大西洋海域,且通过信度0.1的显着性检验,合成分析的结果与点相关分析相吻合。
二、预测川渝地区汛期降水量的一种物理统计模型（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：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（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。
三、预测川渝地区汛期降水量的一种物理统计模型（论文提纲范文）
（1）人工智能在短临降水预报中应用研究综述（论文提纲范文）
| 0 引言 |
| 1 传统方法 |
| 1.1 统计方法 |
| 1.1.1 物理统计模型法 |
| 1.1.2 马尔可夫链预测模型 |
| 1.2 基于数值天气预报的方法 |
| 1.3 基于雷达图的预测方法 |
| 1.3.1 Z-R关系式法 |
| 1.3.2 降水云团外推技术 |
| 1.3.3 光流法 |
| 2 机器学习方法 |
| 3 深度学习方法 |
| 3.1 浅层神经网络 |
| 3.1.1 多层感知机(MLP) |
| 3.1.2 BP神经网络 |
| 3.1.3 径向基神经网络(RBFN) |
| 3.2 深度学习 |
| 3.2.1 卷积神经网络 |
| 3.2.2 递归神经网络 |
| 3.2.3 深度信念网络 |
| 3.2.4 复合模型 |
| 3.2.5 短临降水问题的新方法新思路 |
| 4 人工智能在短临降水预报中的研究方向 |
| 5 总结 |
（2）安徽省近60年梅雨时空特征分析（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 梅雨研究进展 |
| 1.2.2 副高对梅雨期降水影响研究进展 |
| 1.2.3 梅雨预测研究进展 |
| 1.3 研究内容与技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 第2章 安徽省梅雨时间特征分析 |
| 2.1 梅雨 |
| 2.2 各区域梅雨期划分及梅雨特征量 |
| 2.2.1 数据资料与梅雨划分标准 |
| 2.2.2 梅雨识别结果 |
| 2.2.3 梅雨与汛期降水和年降水的关系 |
| 2.3 各区域梅雨时间特征分析 |
| 2.3.1 各区域梅雨量年代际变化分析 |
| 2.3.2 各区域梅雨量周期分析 |
| 2.3.3 各区域梅雨量重现期分析 |
| 2.4 小结 |
| 第3章 安徽省梅雨期及黄淮雨季降水空间特征分析 |
| 3.1 安徽省梅雨期降水特征分析 |
| 3.2 江南梅雨期时安徽省降水特征分析 |
| 3.2.1 江南梅雨期时安徽省降水空间特征 |
| 3.2.2 江南梅雨期时安徽省降水空间分布类型及其对副高的响应 |
| 3.3 黄淮雨季时安徽省降水特征分析 |
| 3.3.1 黄淮雨季时安徽省降水空间特征 |
| 3.3.2 黄淮雨季时安徽省降水空间分布类型及其对副高的响应 |
| 3.4 小结 |
| 第4章 基于集对相似预测的安徽省各区域梅雨量预测 |
| 4.1 集对相似预测模型的构建 |
| 4.2 集对相似预测实例分析 |
| 4.2.1 江南梅雨量预测分析 |
| 4.2.2 江淮梅雨量预测分析 |
| 4.2.3 淮北梅雨量预测分析 |
| 4.3 小结 |
| 第5章 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 攻读硕士学位期间的学术活动及成果情况 |
（3）基于机器学习的中国夏季降水预测研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 引言 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究进展 |
| 1.2.1 季节尺度降水预测方法 |
| 1.2.2 机器学习算法的发展及其在大气科学中的应用 |
| 1.3 研究目的与研究内容 |
| 1.4 各章结构安排 |
| 第2章 资料与方法 |
| 2.1 资料 |
| 2.2 降水预测因子筛选 |
| 2.2.1 因子筛选的意义与原则 |
| 2.2.2 60个降水预测因子 |
| 2.3 研究方法 |
| 2.3.1 逐步回归 |
| 2.3.2 BP神经网络 |
| 2.3.3 长短期记忆网络 |
| 2.3.4 评价指标 |
| 2.4 本章小结 |
| 第3章 长短期记忆网络算法优化研究 |
| 3.1 训练误差优化:Adam |
| 3.2 泛化误差优化:Dropout |
| 3.3 长短期记忆网络降水季节预测参数调优 |
| 3.4 本章小结 |
| 第4章 中国夏季降水预测研究 |
| 4.1 预测结果影响因素分析 |
| 4.1.1 预测结果及对比 |
| 4.1.2 起报月份对预测结果的影响 |
| 4.1.3 因子贡献分析 |
| 4.2 全国夏季降水预测实例 |
| 4.3 本章小结 |
| 第5章 研究结论与讨论 |
| 5.1 研究结论 |
| 5.2 研究不足与展望 |
| 参考文献 |
| 致谢 |
| 个人简历、在学期间发表的学术论文与研究成果 |
（4）中国南亚热带典型季风区雨季水汽空间分异特征研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 雨季划分及降水变化特征 |
| 1.2.2 季风区水汽来源及输送过程 |
| 1.2.3 水汽输送研究方法应用 |
| 1.2.4 水汽交互影响区域分异研究 |
| 1.2.5 存在的主要问题 |
| 1.3 研究内容、技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 1.4 论文结构 |
| 2 研究区概况及研究方法 |
| 2.1 研究区概况 |
| 2.1.1 研究区位置 |
| 2.1.2 观测站点空间分布 |
| 2.1.3 研究区地形气候植被 |
| 2.2 研究方法 |
| 2.2.1 线性倾向估计 |
| 2.2.2 降水稳定性 |
| 2.2.3 同位素示踪法 |
| 2.2.4 HYSPLIT模式 |
| 2.2.5 SOFM网络模式 |
| 3 雨季开始期及降水时空变化 |
| 3.1 数据来源及处理 |
| 3.1.1 数据来源与获取 |
| 3.1.2 数据突变检验 |
| 3.1.3 数据处理 |
| 3.2 雨季开始期及其变化趋势 |
| 3.2.1 多年雨季开始期及其变化趋势 |
| 3.2.2 雨季开始期年际变化特征 |
| 3.3 雨季降水特征 |
| 3.3.1 降水变化与格局 |
| 3.3.2 降水日数时空分异 |
| 3.3.3 降水强度年际变化特征 |
| 3.3.4 降水的构成与稳定性分析 |
| 3.4 基于CMFD的雨季降水特征协同分析 |
| 3.4.1 降水变化与格局 |
| 3.4.2 降水日数时空分异 |
| 3.4.3 降水强度年际变化特征 |
| 3.4.4 降水量稳定性分析 |
| 3.5 本章小结 |
| 4 降水水汽源地研究 |
| 4.1 样品采集 |
| 4.2 数据处理 |
| 4.2.1 同位素站点数据处理 |
| 4.2.2 同位素空间插值 |
| 4.2.3 空间数据表达 |
| 4.3 同位素空间分布格局 |
| 4.3.1 氢氧稳定同位素空间分布格局 |
| 4.3.2 过量氘空间分布格局 |
| 4.3.3 一次降水氢氧稳定同位素空间分布格局 |
| 4.3.4 一次降水过量氘空间分布 |
| 4.4 影响因素分析 |
| 4.4.1 氢氧稳定同位素影响因素 |
| 4.4.2 过量氘影响因素 |
| 4.5 本章小结 |
| 5 水汽来源及输送路径研究 |
| 5.1 数据来源与处理 |
| 5.1.1 数据获取 |
| 5.1.2 数据处理 |
| 5.1.3 数据分析 |
| 5.2 水汽源地及输送路径 |
| 5.2.1 雨季水汽来源及贡献率定量分析 |
| 5.2.2 各月份水汽输送路径分析 |
| 5.2.3 雨季δ~(18)O极值事件水汽追踪 |
| 5.3 本章小结 |
| 6 水汽交互影响区域界定 |
| 6.1 水汽来源划分数据体系的构建原则 |
| 6.2 研究区水汽来源划分多元数据体系 |
| 6.3 SOFM非线性分类器构建 |
| 6.4 结果与分析 |
| 6.4.1 SOFM分类结果分析 |
| 6.4.2 SOFM分类结果与同位素证据 |
| 6.4.3 SOFM分类结果与HYSPLIT模拟 |
| 6.4.4 区域分界结果 |
| 6.5 本章小结 |
| 7 结论与展望 |
| 7.1 主要研究结论 |
| 7.2 论文创新点 |
| 7.3 研究不足及展望 |
| 参考文献 |
| 作者简历 |
| 学位论文数据集 |
（5）基于统计学的川渝地区滑坡影响因子及其危险性评价（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 选题背景与研究意义 |
| 1.2 研究意义 |
| 1.3 国内外研究进展及趋势 |
| 1.3.1 国外研究现状 |
| 1.3.2 国内研究现状 |
| 1.4 主要研究内容及技术路线 |
| 1.4.1 论文主要内容 |
| 1.4.2 论文技术路线 |
| 第2章 中国滑坡灾害整体研究与分析 |
| 2.1 滑坡灾害数据由来 |
| 2.2 滑坡灾害数据分析 |
| 2.2.1 经纬度分析 |
| 2.2.2 地质地形分析 |
| 2.2.3 地层岩性分析 |
| 2.2.4 气象水文分析 |
| 2.2.5 人类活动分析 |
| 2.3 本章小结 |
| 第3章 川渝地区滑坡灾害及其影响因子相关性分析 |
| 3.1 地形条件 |
| 3.1.1 海拔与滑坡 |
| 3.1.2 坡度与滑坡 |
| 3.1.3 斜坡坡型与滑坡 |
| 3.2 地质条件 |
| 3.3 气象水文 |
| 3.3.1 日降水量与滑坡 |
| 3.3.2 月降水量与滑坡 |
| 3.3.3 滑坡季节分布 |
| 3.4 人类活动 |
| 3.5 本章小结 |
| 第4章 层次分析法对研究区典型滑坡灾害点危险性评价 |
| 4.1 层次分析法基本原理 |
| 4.2 层次分析法基本步骤 |
| 4.2.1 层次分析模型的建立 |
| 4.2.2 构造判断矩阵 |
| 4.2.3 确定评价指标权重系数 |
| 4.2.4 确定滑坡危险性判别指标 |
| 4.3 层次分析法在滑坡中应用实例分析 |
| 第5章 结论与建议 |
| 5.1 结论 |
| 5.2 建议 |
| 5.3 不足 |
| 致谢 |
| 参考文献 |
| 附录 |
（6）近53年四川盆地夏季暴雨变化特征分析（论文提纲范文）
| 1 引言 |
| 2 资料选取和方法介绍 |
| 3 暴雨的气候分布及年代际变化特征 |
| 4 盆地暴雨的周期性分析 |
| 5 盆地暴雨的水汽输送及环流形势异常 |
| 6 盆地暴雨与海温之间的关系 |
| 6 结论和讨论 |
（7）变化环境下滦河流域干旱演变驱动机制及定量评价研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 干旱评价 |
| 1.2.2 干旱驱动机制识别 |
| 1.2.3 非一致性干旱评价 |
| 1.3 研究内容及技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 1.4 本文创新点 |
| 第2章 滦河流域多尺度干旱时空演变特征分析 |
| 2.1 数据及研究方法 |
| 2.1.1 数据来源 |
| 2.1.2 多尺度干旱分析 |
| 2.1.3 干旱空间模式识别 |
| 2.1.4 干旱时间演变特征识别 |
| 2.2 JPDI指标验证 |
| 2.2.1 时序变化特征 |
| 2.2.2 历史干旱事件 |
| 2.2.3 典型干旱时空分布 |
| 2.3 多尺度干旱时空演变特征 |
| 2.3.1 基于SPI干旱变化时空分布 |
| 2.3.2 基于JPDI干旱特征时空分布 |
| 2.4 本章小结 |
| 第3章 滦河流域干旱演变驱动机制识别 |
| 3.1 气象水文要素演变规律分析 |
| 3.1.1 数据和方法 |
| 3.1.2 气温 |
| 3.1.3 风速 |
| 3.1.4 日照时数 |
| 3.1.5 相对湿度 |
| 3.1.6 降水 |
| 3.1.7 径流 |
| 3.2 下垫面条件演变规律分析 |
| 3.2.1 土地利用条件 |
| 3.2.2 水利水保工程条件 |
| 3.3 流域干旱驱动模式识别及影响评估 |
| 3.3.1 干旱分类及定量评价 |
| 3.3.2 干旱驱动模式识别 |
| 3.3.3 干旱驱动因子影响评估 |
| 3.4 本章小结 |
| 第4章 滦河流域干旱非一致性影响因子分析 |
| 4.1 干旱非一致性影响因子 |
| 4.1.1 气候变化因子 |
| 4.1.2 人为影响因子 |
| 4.2 滦河流域气候变化因子分析 |
| 4.2.1 气候变化因子筛选方法 |
| 4.2.2 气象干旱的气候变化因子 |
| 4.2.3 水文干旱的气候变化因子 |
| 4.3 滦河流域人为影响因子分析 |
| 4.3.1 SWAT模型构建 |
| 4.3.2 水文干旱的人为影响因子 |
| 4.4 本章小结 |
| 第5章 滦河流域变化环境下气象干旱定量评价 |
| 5.1 时变气象干旱指标 |
| 5.1.1 以时间为协变量的非一致性模型 |
| 5.1.2 时变标准化降水指数 |
| 5.2 非一致性气象干旱指标 |
| 5.2.1 以气候变化因子为协变量的非一致性模型 |
| 5.2.2 非一致性标准化降水指数 |
| 5.3 变化环境下气象干旱特征时空演变规律 |
| 5.3.1 干旱发生频率 |
| 5.3.2 干旱历时 |
| 5.3.3 干旱烈度 |
| 5.3.4 干旱烈度峰值 |
| 5.4 本章小结 |
| 第6章 滦河流域变化环境下水文干旱定量评价 |
| 6.1 以气候变化因子和人为影响因子为协变量的非一致性模型 |
| 6.1.1 非一致性影响因子筛选 |
| 6.1.2 非一致性模型构建 |
| 6.1.3 径流非一致性模型 |
| 6.2 非一致性水文干旱指标 |
| 6.2.1 指标构建 |
| 6.2.2 指标验证 |
| 6.2.3 指标特征分析及讨论 |
| 6.3 变化环境下水文干旱特征演变规律 |
| 6.3.1 干旱发生频率 |
| 6.3.2 干旱历时 |
| 6.3.3 干旱烈度 |
| 6.3.4 干旱烈度峰值 |
| 6.4 本章小结 |
| 第7章 结论与展望 |
| 7.1 结论 |
| 7.2 展望 |
| 参考文献 |
| 发表论文和参加科研情况说明 |
| 致谢 |
（8）一种基于深度网络的多环境因素降水量预报模型（论文提纲范文）
| 0 引言 |
| 1 基于DBN网络的降雨量预报模型 |
| 1.1 整体流程 |
| 1.2 模型基础与原理 |
| 1.3 DBN模型算法与分析 |
| 2 实例分析 |
| 2.1 指标选取及网络结构选定 |
| 2.2 环境因子的筛选 |
| 2.3 实验结果及对比分析 |
| 3 结语 |
（9）长江流域温室气体排放与气候变化响应及脆弱性研究（论文提纲范文）
| 本论文创新点 |
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 全球气候变化研究进展 |
| 1.1.1 气候变化减缓性研究进展 |
| 1.1.2 气候变化适应性研究进展 |
| 1.2 气候变化区域响应研究进展 |
| 1.2.1 区域社会经济发展与温室气体排放相关性研究 |
| 1.2.2 区域气候变化脆弱性评估研究进展 |
| 1.3 长江流域气候变化研究进展 |
| 1.3.1 长江流域气候变化分析 |
| 1.3.2 长江流域气候变化风险研究进展 |
| 1.3.3 长江流域气候变化脆弱性研究进展 |
| 1.4 本论文研究设计思路及技术路线 |
| 第二章 长江流域主要行业温室气体排放及特征分析 |
| 2.1 长江流域主要行业温室气体排放清单及特征分析 |
| 2.1.1 能源 |
| 2.1.2 工业过程 |
| 2.1.3 农业 |
| 2.1.4 废弃物管理行业 |
| 2.1.5 林业 |
| 2.1.6 温室气体排放变化特征分析 |
| 2.2 长江流域温室气体排放与社会经济发展的相关性分析 |
| 2.2.1 温室气体排放与社会经济发展时间变化的相关性 |
| 2.2.2 温室气体排放与社会经济发展空间格局的相关性 |
| 2.3 本章小结 |
| 第三章 三峡库区温室气体排放时空分布研究 |
| 3.1 三峡库区温室气体排放研究概况 |
| 3.2 三峡库区温室气体排放测算 |
| 3.2.1 三峡库区温室气体排放影响因素分析 |
| 3.2.2 三峡库区温室气体排放总量估算 |
| 3.3 三峡库区CH_4气体排放的遥感监测研究 |
| 3.3.1 三峡库区大气CH_4浓度年内变化 |
| 3.3.2 三峡库区大气CH_4浓度年际变化 |
| 3.4 本章小结 |
| 第四章 长江流域气候变化的区域响应特征研究 |
| 4.1 长江流域温室气体排放与大气温室气体浓度的相关性 |
| 4.1.1 数据来源与处理方法 |
| 4.1.2 长江流域大气中三种主要温室气体浓度变化分析 |
| 4.1.3 长江流域温室气体排放与大气温室气体浓度的相关性 |
| 4.2 长江流域温室气体浓度变化与大气辐射强迫及大气温度的相互作用 |
| 4.2.1 长江流域温室气体浓度对大气辐射强迫的作用 |
| 4.2.2 长江流域大气辐射强迫对年均温度变化的作用 |
| 4.3 长江流域气候变化情景分析及预测 |
| 4.3.1 气候变化情景分析 |
| 4.3.2 MAGICC/SCENGEN模型及应用 |
| 4.3.3 预设情景条件下长江流域气温和降水变化分析 |
| 4.4 本章小结 |
| 第五章 长江流域气候变化脆弱性研究 |
| 5.1 长江流域气候变化脆弱性评价 |
| 5.1.1 长江流域的气候变化脆弱性指数研究 |
| 5.1.2 长江流域气候变化相对脆弱性比较研究 |
| 5.1.3 长江流域气候变化脆弱性空间依赖关系研究 |
| 5.2 长江流域温室气体排放与气候变化脆弱性预测分析 |
| 5.2.1 系统动力学模型构建及检验 |
| 5.2.2 长江流域温室气体排放预测分析 |
| 5.2.3 长江流域气候变化脆弱性预测分析 |
| 5.3 本章小结 |
| 第六章 长江流域应对气候变化的政策建议 |
| 6.1 各省市气候变化应对策略 |
| 6.2 长江流域各省市气候变化应对策略 |
| 本章小节 |
| 全文总结 |
| 参考文献 |
| 攻读博士学位期间发表的论文 |
| 致谢 |
（10）川渝地区雨季降水特征及海温背景场分析（论文提纲范文）
| 引言 |
| 1 川渝地区雨季降水量的时空分布 |
| 1. 1代表站的选取 |
| 1. 2雨季的确定 |
| 1. 3雨季降水量的空间分布 |
| 2 川渝地区雨季降水量与海温关系 |
| 2. 1川渝地区雨季降水量与全球海温的相关分析 |
| 2. 2川渝地区雨季降水异常海温合成分析 |
| 3 结论 |
四、预测川渝地区汛期降水量的一种物理统计模型（论文参考文献）
- [1]人工智能在短临降水预报中应用研究综述[J]. 方巍,庞林,王楠,易伟楠. 南京信息工程大学学报(自然科学版), 2020(04)
- [2]安徽省近60年梅雨时空特征分析[D]. 饶艳燕. 合肥工业大学, 2020
- [3]基于机器学习的中国夏季降水预测研究[D]. 沈皓俊. 清华大学, 2019(02)
- [4]中国南亚热带典型季风区雨季水汽空间分异特征研究[D]. 许传阳. 河南理工大学, 2019(07)
- [5]基于统计学的川渝地区滑坡影响因子及其危险性评价[D]. 李晴. 中国地质大学(北京), 2019(02)
- [6]近53年四川盆地夏季暴雨变化特征分析[J]. 陈丹,周长艳,熊光明,邓梦雨. 高原气象, 2018(01)
- [7]变化环境下滦河流域干旱演变驱动机制及定量评价研究[D]. 王怡璇. 天津大学, 2017(01)
- [8]一种基于深度网络的多环境因素降水量预报模型[J]. 张鹏程,张雷,王继民. 计算机应用与软件, 2017(09)
- [9]长江流域温室气体排放与气候变化响应及脆弱性研究[D]. 汪溪远. 武汉大学, 2016(01)
- [10]川渝地区雨季降水特征及海温背景场分析[J]. 王连杰,毛文书,刘琳,袁梦,毛睿. 高原山地气象研究, 2015(01)