基于随机森林插值的中亚夏季极端高温变化特征

摘要：

利用中亚地区65个气象站的逐日最高气温数据,结合ERA-Interim再分析资料以及经纬度、海拔数据,构建了随机森林插值模型,并验证了其可靠性.基于该模型补全了气象站缺失值,获得完整的站点逐日最高气温数据集TStation_f,并插值得到中亚1979-2016年空间分辨率为0.75°×0.75°的逐日最高气温格点数据集TRFIM_G.基于TRFIM_G进一步分析了中亚1979-2016年夏季极端高温指数时空变化特征.结果 表明:中亚区域平均极端高温指数增速在0.22～ 0.30℃·(10a)-1,显著增温的区域主要分布在哈萨克斯坦的西部、土库曼斯坦大部、乌兹别克斯坦东南部等地区.基于TRFIM_G得到的夏季极端高温指数增速显著大于基于TStation_f得到的结果,这表明用站点观测数据对该地区夏季极端高温趋势的估计明显偏低.本研究得到的数据集可在一定程度上弥补使用站点观测数据片面刻画中亚地区极端高温变化的缺陷,有助于更确切地引导人们在应对极端天气气候事件时采取相应的减缓和适应措施.

关键词：随机森林插值、机器学习、夏季极端高温、中亚

所属期刊栏目：37

资助基金：中国科学院战略性先导科技专项A类资助XDA20020201

在线出版日期：2020-11-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：966-973