风速数据被广泛用于科学、管理和政策领域,在评估可再生能源潜力、解决风灾、研究生物现象和探索气候变化等方面发挥着重要作用。但现有的风速产品存在很大的局限性:气象观测数据在空间和时间上存在不连续性,再分析产品和气候模型模拟虽然实现了数据的连续性,但大多未能重现观测到的风速趋势。此外,风速数据的高变异性及站点分布的不均匀和稀缺性,使得传统的统计插值方法,如克里金或主成分分析,在重构全球风速上表现不佳。因而,风速数据成为风速研究中“卡脖子”的难题。 在此,研究团队基于部分卷积神经网络算法(the partial convolutional neural network),融合了34个气候模式数据和气象站点观测数据HadISD(由Met Office Hadley Centre提供),重构了1973-2021年间共588个月的全球10米近地风速,空间分辨率为1.25°×2.5°(纬度×经度),该数据集包含了观测到的风速趋势信息。详细的重构过程请见参考文献中的方法部分。
周俐宏, 曾振中, 江鑫
联系方式
中国科学院西北生态环境资源研究院 0931-4967287 poles@itpcas.ac.cn关注我们
时空三极环境大数据平台 © 2018-2020 陇ICP备05000491号 | All Rights Reserved | 京公网安备11010502040845号
数据中心技术支持: 数云软件