XiaoMi-AI文件搜索系统
World File Search System降水
1 目标 2 基础规划 3 格点降水
SCS 曲线数方法可以使用土地覆盖和水文土壤数据的组合或仅使用其中一个数据集进行参数化。在本研讨会中，将同时使用土地覆盖和水文土壤数据。首先，基于 USDA gSSURGO 数据库 ( https://www.nrcs.usda.gov/wps/portal/nrcs/detail/soils/survey/geo/?cid=nrcs142p2 _053628 ) 创建土壤层。然后，基于土壤层和土地覆盖分类层创建 SCS 曲线数渗透层。
热带降雨测量任务 (TRMM) 降水...
TRMM降水雷达（PR）是第一台星载降雨雷达，也是TRMM上唯一能够直接观测降雨垂直分布的仪器。TRMM PR的频率为13.8 GHz。PR可以实现陆地和海洋的定量降雨估计。PR还可以提供降雨高度信息，这对基于辐射计的降雨率反演算法很有用。PR的覆盖范围足够小，可以研究不均匀降雨对低频微波辐射计通道相对粗糙覆盖范围的影响。PR的主要设计和性能参数如表0-2所示[Kozu等，2001]。PR的观测几何如图0-1所示。在正常观测模式下，PR 天线波束在 ±17 的横向轨道方向上扫描，结果从一端到另一端的扫描宽度为 220 公里。PR 的天线波束宽度为 0.71 ，在 ±17 的扫描角度内有 49 个观测角度箱。当 TRMM 处于 350 公里的标称高度时，水平分辨率（覆盖区大小）在天底为 4.3 公里，在扫描边缘约为 5 公里。TRMM PR 的距离分辨率为 250 米，等于天底的垂直分辨率。对于每个观测角度箱，雷达回波采样是在海面和 15 公里高度之间的距离门上进行的。对于天底入射，还收集了高达 5 公里高度的“镜像”。此外，还部分收集了表面回波（扫描角度在 ±9.94 以内）和降雨回波（扫描角度在 ±3.55 以内，高达 7.5 公里）的“过采样”回波数据。这些过采样数据将用于精确测量表面回波水平和融化层结构。根据发射前地面测试和轨道测试确定，最小可检测 Z（对应于噪声等效接收功率）从 23.3 dBZ（基于规范要求）提高到 20.8 dBZ。这主要是由于发射功率增加和接收器噪声系数降低。
评估美国巨大的年度降水极限...
了解美国大平原（USGP）的氢化气候极端（USGP）对于有效的水资源管理，农业系统的弹性以及缓解气候变化影响至关重要。这项研究研究了USGP中的氢化气候状况的改变，重点是使用网格的Prism气候数据集中的降水数据，过去119年（1904- 2022）在过去119年（1904-2022）中的年度降水趋势和极端。我们将年度降水总数分为六类的氢化气候极端：（1）孤立的湿极端，（2）孤立的干燥极端，（（3）干燥的重复极端极端极端，（4）（4）潮湿到湿的重复反复出现的极端极端，（5）（5）干燥的旋转鞭打极端的极端极端，以及（6）湿至湿的鞭打般的鞭打极端极端。“重复出现”和“鞭打”都是化合物极端的类型。为了评估棱镜数据的准确性，我们首先将年度Prism降水总数与整个地区的气象站进行了比较。我们发现在257个站中251个站点的相关性（R²≥0.75），几乎没有整体偏见，这表明棱镜数据对于年度降水动力学的区域尺度表征可靠。从年度降水量总计，我们观察到东部和北USGP的大部分趋势都显着增加。从氢化气候的极端情况下，我们观察到，孤立的湿和干燥极端物往往在USGP上分布相当均匀，而化合物极端却显示出更为明显的空间模式。这些发现对美国大平原的水资源管理和农业系统具有重要意义，强调了需要适应不断变化的氢化气候条件的自适应策略。干燥的重复极端极端，而潮湿潮湿的重复极端极端在明尼苏达州，爱荷华州，内布拉斯加州，内布拉斯加州和北达科他州北达科他州 - 南达科他州边境地区。
将新型生成扩散模型应用于降水降压
机器学习（ML）在统计缩减中起着越来越有价值的作用。能够利用培训数据中潜在的复杂的非线性关系，社区表现出ML学习缩小映射的巨大潜力。遵循完美预后（PP）方法，可以对ML模型进行历史重新分析数据的培训，以了解粗糙预测因子与更高分辨率之间的关系（即缩小）预测。一旦受过训练，这些模型就可以在一般循环模型（GCM）输出上进行评估，以产生区域缩小的结果。由于培训的计算成本相对较低和利用这些模型，它们可用于有效地降低气候模型的大集合，而不是区域与全球域。
将中国降水预测的物理因素与图形神经网络
最近，深度学习（DL）技术的指数增长，这是一种数据驱动的方法，在气象和气候预测和预测中已被证明是成功的（例如Bi等，2022; Ham等，2019; Liu et al。与NWP相比，DL模型没有明确包含大气动力学，这可能会影响其性能和应用前景（Reichstein等，2019）。值得注意的是，DL模型可能会在严重降雨事件的预测中遇到困难。有条件生成模型的使用是改善大降雨预测的有效方法，尤其是在现象中（Hess等，2022； Ravuri等，2021； Zhang等，2023）。此外，DL模型可能不符合重要的物理耦合（Han等，2020）和阻碍沉淀的预测。在这种情况下，物理先验告知的DL模型可能证明是有益的（Karniadakis等，2021； Kashinath等，2021）。
监测全球降水 - 洪水的气候诊断
GPCP全球海数似乎仍然是合理的，但是需要通过改进的数据（例如GPM等）再次检查。如果全球降水幅度存在断层（例如，低估），它可能与小雨或雪无关，而可能与热带地区的激流降雨相关。
标本限制的“生活”气候揭示了降水...
。cc-by-nc 4.0国际许可（未获得同行评审证明），他授予Biorxiv授予Biorxiv的许可，以永久显示预印本。它是此预印本版本的版权持有人，该版本发布于2025年2月7日。 https://doi.org/10.1101/2025.02.03.636077 doi：Biorxiv Preprint
使用LSTM模型分解每日降水数据
没有时间调整，需要对其他位置的每日降水量测量值保持一致，以解释日光节省时间。这些位置进行一年一度的一小时换档，需要每日降水读数和其他气象元素之间的时间对齐，因为半小时的降水数据在标准时间始终记录下来。然后，我们使用该站完整的半小时沉淀数据执行此插值数据的内部连接。这导致了一个时间序列，该时间序列可以追溯到半小时的降水记录开始日期。我们在2020年至2022年的所有数据上测试模型，使用2018和2019作为验证设置，以防止模型过度拟合并在其余数据上进行训练。这会导致大约75％-10％-15％的火车验证测试拆分。训练数据集进行了改组，以允许该模型从每批更具代表性的样本中学习。
高级定量降水信息-AMS期刊
摘要：高级定量降水信息（AQPI）是一个协同的项目，结合了观察和模型，以改善旧金山湾地区的降水，水流和沿海洪水的监测和预测。作为一种实验系统，AQPI利用了十多年的研究，创新和实施，对全州，最先进的观察网络以及下一代天气和沿海预测模型的发展。AQPI是作为原型开发的，以响应水管理社区的要求，以改善有关降水，河流和沿海条件的信息，以告知其决策过程。在加利福尼亚沿海山脉山脉的复杂湾区景观中观察降水是一个具有挑战性的问题。但是，借助新的高级雷达网络技术，AQPI正在帮助填补这个人口稠密且脆弱的大都市地区的重要观察差距。原型AQPI系统由改进的天气雷达数据组成，以进行降水估算；降水，水流和土壤水分的其他表面测量；以及一套集成的预测建模系统，以提高人们对从天空到大海的当前和未来水状况的情境意识。这些工具将有助于改善紧急准备和公众反应，以防止极端暴风雨期间造成生命损失和财产损失，并伴随着大量降水和高沿海水位，尤其是高摩斯裂变的大气河流。湾区AQPI系统可能会在加利福尼亚州，美国和全球的其他城市地区复制。