XiaoMi-AI文件搜索系统
World File Search System降水
TEMPEST-D 和 GPM-GMI 对降水系统的观测：交叉验证研究
摘要 — 本研究的目的是通过微波辐射计对风暴和热带系统演示时间实验 (TEMPEST-D) CubeSat 任务和全球降水测量微波成像仪 (GMI) 上的降水系统的观测进行交叉验证。本文的目的有两个：首先，展示 TEMPEST-D 和 GMI 观测之间的一致性；其次，展示合并 TEMPEST-D 和 GMI 观测时增强时间采样的潜力。采用了两种交叉验证方法。第一种交叉验证方法是使用先验时空约束定量比较 TEMPEST-D 和 GMI 对降水系统的亮度温度 (TB) 观测。对比分析表明，两种仪器的TB观测值具有相似的概率分布，平均绝对差为2.9 K。第二种交叉验证方法是定量比较TEMPEST-D和GMI TB对热带气旋系统的观测结果。本对比研究分析了三个风暴案例。分析表明，TEMPEST-D和GMI TB观测中的风暴结构和强度相似，总体平均相关系数（r）为0.9。与单独使用GMI数据相比，结合TEMPEST-D和GMI TB对飓风系统的观测可将采样频率提高2.5倍。
洪水和降水极端事件的科学综合人工智能（SAFE）
1. Auroop R. Ganguly（负责人）：东北大学，马萨诸塞州波士顿（气候/水，AI） 2. Sue Ellen Haupt：美国国家大气研究中心，科罗拉多州博尔德（天气，AI） 3. Forrest M. Hoffman：橡树岭国家实验室，田纳西州橡树岭（ESM，AI） 4. Vipin Kumar：明尼苏达大学，明尼苏达州双城（AI，HPC，气候/水） 5. Upmanu Lall：哥伦比亚大学，纽约州纽约市（水文学，气候，AI） 6. Claire Monteleoni：科罗拉多大学，科罗拉多州博尔德（ML，AI，气候信息学） 7. Jitendra Kumar：橡树岭国家实验室，田纳西州橡树岭（水文学，模型） 8. Nagendra Singh：橡树岭国家实验室，田纳西州橡树岭（GIS，地球科学） 9. Julia Hopkins：东北大学，马萨诸塞州波士顿（自然启发设计） 10. Anuj Karpatne：弗吉尼亚理工大学，弗吉尼亚州布莱克斯堡（物理引导人工智能，水资源） 11. Shafiqul Islam：塔夫茨大学，马萨诸塞州梅德福（水文学，水外交） 12. Samrat Chatterjee：太平洋西北国家实验室，华盛顿州里奇兰（风险，俄勒冈州）
report2-温度和爱德华兹含水层区域的降水预测
对于每次降水干旱分析，计算最小降水量的总数是针对1、2、3、4和7。5年的连续时间范围。降水干旱长度大致与该地区值得注意的历史降水干旱的长度相对应，包括记录干旱，并根据Başağaoğlu等人的方法选择。（2023）。在网格的日光分析中，每个历史和未来时期在爱德华兹含水层区域的最小降水总数平均。对于基于点的圣安东尼奥国际机场分析，最低降水量的总计是在1 km x 1 km网格电池位置与机场气象站位置重叠的。将未来时间范围的整体平均值和全范围的模型预测与每个干旱长度箱的历史数据进行了比较。
预测基于温度变化的极端亚小时降水强化
摘要。极端的降水，通常是自然界的，能够触发自然灾害，例如流量和碎屑流。气候变化适应和弹性的关键组成部分是量化了以后的气候场景中次数极端降水超过历史水平的可能性。尽管如此，目前仍认为估计未来的次数极端沉淀水平是不足的。这样做的原因可以归因于两个因素：从对流 - 渗透气候模型（充分模拟亚小时降水的概念）中，数据的可用性有限，我们用来除去外推的极端预启发返回水平的统计方法不会捕获全球暖剂的物理学。我们提出了一种基于物理的新型统计方法，用于估计极端的次数沉淀回报水平。提出的模型，依赖于温度依赖的非反应统计模型（TENAX），基于一个简约的非固定和非反应理论框架，以企业的温度为例，以物理固定的方式将其作为协变量。我们首先解释理论并提出tenax模型。使用来自Switzer- Land的几个站点的数据作为案例研究，我们证明了该模型重现亚小时降水返回水平以及某些观察到的极端沉淀的特性。然后，我们插图如何利用该模型在未来温暖的气候中仅基于潮湿的日子的气候模型的投影以及预见的降水频率变化的情况下，在未来温暖的气候下进行了极端的降水量变化。
结合温度和降水，以限制气溶胶对观察到的气候变化的贡献
摘要：利用过去来改善未来的预测，需要对气候和温室气体（GHG）（GHGS）对观察到的气候变化的个人气候贡献进行理解和定量，这受到气候溶液强迫和反应的大量不确定性的阻碍。为了估算历史气溶胶响应，我们通过结合观察到的热带潮湿和干燥区域观察到的变化的信号，半明确温度不对称的温度不对称，全球平均温度（GMT）以及全球平均降水（GMLP）（GMLP）的信号来归因于温度和降水的关节变化。指纹代表气候反应对气溶胶（AERS）和其余的外部强迫（NOAER；主要是GHG）源自来自历史单和所有模型的大型组合，该模型来自耦合模型对间隔项目的第6阶段的三个模型，并使用完美的模型研究选择。是由不完善的模型研究和水文灵敏度分析支持的，该分析支持了我们选择温度和降水细纹的选择。我们发现，包括温度和降水在内的诊断效果稍微更好地限制了纯粹基于温度或仅基于GMT的诊断，并允许AER冷却的归因（即使在纤维上不包含GMT时）。这些结果在来自不同气候模型的纤维上具有鲁棒性。AER和NOAER的估计贡献与其他已发表的估计值一致，包括最新IPCC报告的估计。最后，我们将气溶胶诱导的冷却的0.46 K（[2 0.86，2 0.05] k）的最佳估计归因于2010年Noaer升温的1.63 K（[1.26，2.00] k），相对于1850年至1900年，使用GMT和GMLP的综合信号。
一种机器学习方法，用于模拟过度海洋的热带气旋降水
摘要：热带气旋（TCS）中发现的极端降雨是许多低至中间区域中人类生命和财产的风险。风险评估和预测中TC降雨的概率建模在计算上可能很昂贵，并且现有模型在很大程度上无法建模关键的降雨不对称，例如雨带和室外过渡。在这里，开发了一个基于机器的框架，以模拟北大西洋盆地的水上TC降雨。首先，使用天气研究和预测（WRF）模型组装了26个历史事件的高分辨率TC降水模拟目录。然后，通过主成分分析（PCA）分解了这些历史事件的降雨的模拟空间分布，对分数回归森林（QRF）模型进行了训练，以预测最初的五个主成分（PC）权重的条件分布。使用历史卫星数据和QRF模型分别估算了雨比率水平的条件分布。使用这些模型，可以鉴于一组风暴特征和局部环境条件，可以对降雨图的概率预测进行。与卫星观测值相比，该模型能够捕获风暴总降雨量，其相关系数为0.96，R 2值为0.93。此外，与卫星观测值相比，该模型在对小时总降雨进行建模方面表现出良好的准确性。降雨比率图还与历史卫星观测值和交叉验证期间的WRF模拟进行了比较，估计值的空间分布捕获了与TC雨带，波数不对称的降雨可变性，可能是红色的不对称和可能是红外的转变。
比较西非和中非的区域水文建模的网格降水估计
研究区域：位于西非和中部非洲北部的数据扫描盆地。研究重点：多次研究表明，全球栅格降水数据集可以为撒哈拉以南非洲的观察到的数据缺乏替代方案。这项工作评估了15个基于卫星降雨前的封闭前数据集（Arc v.2，Chirp v.2，Chirps v.2，Persiann-CDR，MSWEP v2.2和Tamsat V2.2和Tamsat V3），Reanalission，Reanalission，ERA5，JRA-55，JRA-55，Merra-2 Adj，Merra-2 Prectot，Merra-2 Prectot，Merra-2 Prectot，Merra-2 prectotcort and toctor and toctor and tho测量值（CPC V.1，CRU TS v.4.00和GPCC V.7）以及基于空间接近的区域估计方法，用于简单的每月水平衡模型GR2M的参数。基于分式样本的海上时间验证方案中的克林 - 古普塔效率评分评估了GR2M模型的区域模拟。该地区的新水文见解：结果表明，在所有降水产品中，Chirps是每月时间段的西部和中非水文建模最有效的。此外，排名前五的产品包括WFDEI-CRU，CRU，WFDEI-GPCC和GPCC。总体而言，区域水文建模对小于80,000 km 2的盆地更有效。通过空间接近度进行区域化的方法会导致各种降水产物再现排放的能力的总体下降，最值得注意的是使用WFDEI-GPCC和GPCC。chir仍然是最好的产品。
气候温度和降水共同影响西方响尾蛇物种的体型
生态学的代谢理论和动态能量预算理论都预测，气候通过其对能量学的一阶决定因素的影响影响人体大小：反应性温度，碳资源和氧气可用性。尽管氧气在陆地系统中很少限制，但温度和资源在空间上有所不同。，我们使用冗余分析和变异分配来评估气候温度，降水及其季节性对北美四种西部响尾蛇组分布的多元体型的影响（Crotalus Pyrrhus，C。scutulatus，C。scutulatus，C。oreganus and C. viridis）。大多数物种在凉爽的气候中显示出增加体型的模式，并且在温暖的Xeric气候下体积减少。该模式的例外通过在每个物种的分布中的气候特质提供了其他上下文。例如，对于牛仔梭菌，温度对体型的负面影响的一般模式并不明显，牛仔梭菌在四种物种中总体上最温和的气候范围。与以前的研究相比，我们发现季节性对体型的影响可忽略不计。我们建议降水梯度与驱动种内体大小的资源可用性相关，并且温度通过增加基线代谢需求和
使用孟加拉国沿海地区的马尔可夫链模型预测降水
这项工作探讨了孟加拉国降水模式的详细研究，特别着重于使用马尔可夫链在六个沿海城市进行年度降雨变化。为了创建具有四个不同降水状态的强大马尔可夫链模型，并提供了对这些状态之间过渡概率的洞察力，该研究将历史降雨数据整合到了近三十年（1994- 2023年）。为选定数量的沿海电台计算了固定测试统计量（χ²），并使用此历史数据预测了不同降雨状态之间的过渡概率。发现的结果表明，测试统计量的观察值χ²对所有沿海站都很重要，表明可靠的模型拟合。这些结果强调了了解降水模式的时间演变的重要性，这对于该地区的有效水资源管理，农业规划和灾难准备至关重要。该研究强调了降雨模式的动态性质以及自适应策略减轻气候变化影响的必要性。此外，这项研究强调了气候研究的相互联系，以及增强数据收集方法和国际协作的关键需求，以弥合有关气候变异性知识差距的差距。通过参考有关气候变化，极端降雨事件以及降水模式变化的全面学术著作，该研究详细概述了该领域当前的研究景观。总而言之，这项研究不仅有助于理解孟加拉国沿海城市的降水动态，而且还为参与参与气候适应和韧性计划的政策制定者和利益相关者提供了宝贵的见解。马尔可夫链模型与广泛的历史数据集的集成是预测未来降雨趋势并制定知情策略的强大工具，以应对改变降水模式所带来的挑战。
在气候变化下柏林的极端降水和洪水以及选定的灰色和蓝绿色措施的影响
1水资源管理主席和水通系统建模，德国柏林技术大学柏林2号柏林2号大学气象研究所，弗雷伊大学柏林，柏林，柏林，柏林3号水资源系，地理 - 世界性科学和地球科学和地球学院（ITC），特威特（ITC），特威特（ITC），特威特（ITC工程技术，荷兰恩斯切德大学，特温特大学