共被期刊论文引用了3次
您的检索式：您选中1篇文献正在查看引证文献汇总
|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 地基GPS遥感的祁连山区夏季可降水量日变化特征及成因分析显示文摘基于祁连山区2007年7~8月地基GPS遥感的大气可降水量(Precipitable Water,PW)资料、探空资料和自动气象站资料,采用谐波分析等方法,分析了祁连山区夏季PW的日变化特征,并初步探讨其成因。结果表明:祁连山区夏季PW具有明显的日变化特征。PW日变化特征在无降水日比有降水日更显著。日循环(24 h)与半日循环(12 h)是PW日变化的主要信号。在无降水日,PW日变化以日循环为主,振幅为0.8~1.6 mm,峰值出现的时间在18:00~21:00(北京时,下同)。半日循环的振幅为0.6~0.7 mm,峰值出现的时间在05:00~06:00和17:00~18:00。在有降水日,不同站点PW日变化特征有所不同,有的以日循环为主导,有的以半日循环为主导。PW日变化与逐时累积降水频次日变化具有明显的先后关系,两者日变化的位相差为2.5 h。PW日变化与气温和比湿等要素的日变化以及山谷风演变有关。 | 梁宏 刘晶淼 陈跃 | 2010 | 高原气象2010，29，3： | 24 |
| 2 | 基于深度学习的短时强降水天气识别显示文摘气象预报人员面临的问题之一是如何准确有效地识别短时强降水天气.短时强降水是一种主要由强对流天气形成的气象灾害,产生原因与空气湿度、大气中的水分以及温湿等物理量参数有关,由此提出基于物理量参数和深度学习模型DBNs的短时强降水天气识别模型.首先,利用SMOTE算法人工合成短时强降水少数类(相对于非短时强降水天气类)样本,调整原始数据集不均衡分布问题;然后通过含有高斯玻耳兹曼机的深度学习模型对地面大气监测站逐小时加密的观测量,以及常用于天气预报分析的物理量等低层特征构造出抽象的高层特征,发现数据特征内在关系;最后实现了DBNs短时强降水的自动识别模型.结果表明,该方法能够较为准确地识别短时强降水,对于短时强降水的命中率、误警率和临界成功指数,都有着较好的表现. | 路志英 任一墨 孙晓磊 贾惠珍 | 2018 | 天津大学学报(自然科学与工程技术版)2018，51，2： | 18 |
| 3 | 银川地区大气水汽、云液态水含量特性的初步分析显示文摘基于双通道微波辐射计资料和地面常规气象资料,分析了银川地区不同季节大气水汽含量和云液态水含量的日变化特征及各个时次的降水分布。结果表明,在银川地区,一年观测期内的大气水汽含量逐月变化与多年(1951-2010年)平均降水量逐月变化的相关性较好,相关系数达0.94;大气水汽含量的高值区出现在中午到傍晚时段,低值区出现在日出前后。春、夏、秋季夜间的云液态水含量大于白天;云液态水含量的高值区出现在日出前和傍晚,这种情况在夏、秋季尤为明显;云液态水含量和大气水汽两者间的日变化相关性不显著。 | 田磊 孙艳桥 胡文东 杨建玲 翟涛 桑建人 常倬林 舒志亮 | 2013 | 高原气象2013，32，6： | 18 |
您所在的机构暂未开通此部分的功能，请联系管理员