中国夏季降水日变化的空间分布特征研究
发布时间：2021-07-08 07:53
降水日变化是区域气候的基本特征,具有重要的科学内涵,是降水精细化研究的一个重要部分。现有研究多采用“自顶向下”的方式研究降水日变化,即预先划定研究区,利用区域平均日变化曲线代表该区域的日变化特征,该方式依赖经验知识,主观性强,难以详细刻画区域内部降水日变化特征的空间分布规律。为提高研究结果的客观性和精细程度,本文采用“自下而上”的数据挖掘方法,基于不同历时的降水事件,从连续分布的栅格降水数据中深入挖掘中国夏季降水日变化的空间分布特征,并对降水量日变化的控制因子进行分析,深化对降水日变化特征的认识,得到以下主要结论:（1）中国夏季降水量日变化类型存在显著的区域差异,午后降水峰值区主要分布在东南沿海地区、东北地区、内蒙古高原和黄土高原等地区。夜间峰值区主要分布在横断山脉、四川盆地、燕山-太行山东部平原、雅鲁藏布江谷地、昆仑山和天山的北部等地区,这些地区受地形的影响,山地-平原环流效应显著,夜间降水盛行。西北的沙漠地区以正午降水峰值为主,零星分布着一些正午-夜间降水双峰值区。青藏高原中东部地区以午后-夜间双峰区为主,长江中下游地区则呈现出早晨-午后双峰值的特征。（2）不同历时降水的降水量日变...
【文章来源】：南京师范大学江苏省 211工程院校
【文章页数】：83 页
【学位级别】：硕士
【部分图文】：
技术路线
降水数据的提取过程
第2章资料和方法14得到紧凑并且独立的簇，其操作步骤如下（图2-2）：（1）首先，随机选取任意K个对象作为初始聚类的中心（质心，Centroid），初始代表每一个簇；（2）对数据集中剩余的对象计算它们与这K个质心的距离，将每个对象赋给最近的簇，即与其质心距离最小的类；（3）共会产生K个簇，重新计算每个簇的质心；（4）迭代步骤（2）和（3）直到符合输出条件，即新的质心与原来的质心相等或小于设定的阈值，或者达到最大的迭代次数；（5）输出聚类结果。图2-2K-means聚类算法流程图本文使用sklearn机器学习库中的K-means函数对标准化处理后的数据进行聚类分析，然后对聚类结果进行处理，得到中国夏季降水量日变化的空间分布模式图，进行空间分布特征的挖掘分析，其具体操作步骤如下：（1）聚类分析基于K-means算法对标准化后的降水日变化数据进行聚类，将具有相似降水日变化形态特征的栅格单元聚成一类。读取所有栅格单元标准化后的24小时日变化时间序列数据，利用K-means算法进行聚类分析；设置不同的K值（聚类数，2-40）进行聚类处理，对于聚类结果，使用“肘”方法（Elbowmethod）确定K值的最优解，“肘”方法的核心指标是SSE（SumoftheSquaredErrors，
【参考文献】：
期刊论文
[1]我国东南沿岸及复杂山地后汛期降水日变化的数值研究[J]. 赵玉春,王叶红. 大气科学. 2020(02)
[2]南海夏季风爆发前后华南前汛期降水日变化对比分析[J]. 刘亚楠,王东海,李国平,丁伟钰. 热带气象学报. 2019(03)
[3]京津冀地区暖季降水日变化特征分析[J]. 郭军,熊明明,黄鹤. 海洋气象学报. 2019(02)
[4]2004—2016年浙江省夏季降水的日变化特征[J]. 王颖,刘丹妮,张玮玮,马辛宇. 干旱气象. 2019(01)
[5]Diurnal Variations of Summer Precipitation over the Qilian Mountains in Northwest China[J]. Liangliang LI,Jian LI,Haoming CHEN,Rucong YU. Journal of Meteorological Research. 2019(01)
[6]1997—2017年塔克拉玛干沙漠腹地降水特征[J]. 周雪英,贾健,刘国强,王芳,仇会民,孙怀琴. 中国沙漠. 2019(01)
[7]川渝盆地主汛期短时强降水事件日变化特征研究[J]. 李强,张亚萍,何跃,刘伯骏,郭渠. 西南大学学报(自然科学版). 2018(07)
[8]1970—2015年京津冀地区暖季小时降水变化特征[J]. 梁苏洁,程善俊,郝立生,段丽瑶,杨艳娟. 暴雨灾害. 2018(02)
[9]华北地区夏季降水日变化的时空分布特征[J]. 韩函,吴昊旻,黄安宁. 大气科学. 2017(02)
[10]中国大陆日降水峰值时间位相的区域特征分析[J]. 宇如聪,李建. 气象学报. 2016(01)
博士论文
[1]四川盆地降水日变化特征分析及成因研究[D]. 金霞.中国气象科学研究院 2013
硕士论文
[1]中国中东部暖季降水与极端强降水时空分布特征研究[D]. 公衍铎.中国气象科学研究院 2018
[2]基于地形起伏度的地貌形态划分研究[D]. 张磊.河北师范大学 2009
本文编号：3271166
【文章来源】：南京师范大学江苏省 211工程院校
【文章页数】：83 页
【学位级别】：硕士
【部分图文】：
技术路线
降水数据的提取过程
第2章资料和方法14得到紧凑并且独立的簇，其操作步骤如下（图2-2）：（1）首先，随机选取任意K个对象作为初始聚类的中心（质心，Centroid），初始代表每一个簇；（2）对数据集中剩余的对象计算它们与这K个质心的距离，将每个对象赋给最近的簇，即与其质心距离最小的类；（3）共会产生K个簇，重新计算每个簇的质心；（4）迭代步骤（2）和（3）直到符合输出条件，即新的质心与原来的质心相等或小于设定的阈值，或者达到最大的迭代次数；（5）输出聚类结果。图2-2K-means聚类算法流程图本文使用sklearn机器学习库中的K-means函数对标准化处理后的数据进行聚类分析，然后对聚类结果进行处理，得到中国夏季降水量日变化的空间分布模式图，进行空间分布特征的挖掘分析，其具体操作步骤如下：（1）聚类分析基于K-means算法对标准化后的降水日变化数据进行聚类，将具有相似降水日变化形态特征的栅格单元聚成一类。读取所有栅格单元标准化后的24小时日变化时间序列数据，利用K-means算法进行聚类分析；设置不同的K值（聚类数，2-40）进行聚类处理，对于聚类结果，使用“肘”方法（Elbowmethod）确定K值的最优解，“肘”方法的核心指标是SSE（SumoftheSquaredErrors，
【参考文献】：
期刊论文
[1]我国东南沿岸及复杂山地后汛期降水日变化的数值研究[J]. 赵玉春,王叶红. 大气科学. 2020(02)
[2]南海夏季风爆发前后华南前汛期降水日变化对比分析[J]. 刘亚楠,王东海,李国平,丁伟钰. 热带气象学报. 2019(03)
[3]京津冀地区暖季降水日变化特征分析[J]. 郭军,熊明明,黄鹤. 海洋气象学报. 2019(02)
[4]2004—2016年浙江省夏季降水的日变化特征[J]. 王颖,刘丹妮,张玮玮,马辛宇. 干旱气象. 2019(01)
[5]Diurnal Variations of Summer Precipitation over the Qilian Mountains in Northwest China[J]. Liangliang LI,Jian LI,Haoming CHEN,Rucong YU. Journal of Meteorological Research. 2019(01)
[6]1997—2017年塔克拉玛干沙漠腹地降水特征[J]. 周雪英,贾健,刘国强,王芳,仇会民,孙怀琴. 中国沙漠. 2019(01)
[7]川渝盆地主汛期短时强降水事件日变化特征研究[J]. 李强,张亚萍,何跃,刘伯骏,郭渠. 西南大学学报(自然科学版). 2018(07)
[8]1970—2015年京津冀地区暖季小时降水变化特征[J]. 梁苏洁,程善俊,郝立生,段丽瑶,杨艳娟. 暴雨灾害. 2018(02)
[9]华北地区夏季降水日变化的时空分布特征[J]. 韩函,吴昊旻,黄安宁. 大气科学. 2017(02)
[10]中国大陆日降水峰值时间位相的区域特征分析[J]. 宇如聪,李建. 气象学报. 2016(01)
博士论文
[1]四川盆地降水日变化特征分析及成因研究[D]. 金霞.中国气象科学研究院 2013
硕士论文
[1]中国中东部暖季降水与极端强降水时空分布特征研究[D]. 公衍铎.中国气象科学研究院 2018
[2]基于地形起伏度的地貌形态划分研究[D]. 张磊.河北师范大学 2009
本文编号：3271166
本文链接：https://www.wllwen.com/projectlw/qxxlw/3271166.html
