Page 144 - 《高原气象》2025年第3期

高 原 气 象 44 卷
702
表2 三个模型的三种评估结果 （1）： 55. DOI： 10. 3390/su11010055.
Tabel 2 The evaluation results for the three models Feng L， Li T， Yu W D， 2014. Cause of severe droughts in Southwest
are as follows China during 1951-2010［J］. Climate Dynamics， 43： 2033-
2042. DOI： 10. 1007/s00382-013-2026-z.
模型 时间 σ Bias ME
Gao J M， Sang Y H， 2017. Identification and estimation of landslide-
SST-ConvLSTM 2019 1. 333 1. 061 -0. 058
debris flow disaster risk in primary and middle school campuses
2020 1. 329 1. 074 -0. 075 in a mountainous area of Southwest China［J］. International Jour‐
2021 1. 327 0. 972 -0. 154
nal of Disaster Risk Reduction， 25： 60-71. DOI： 10. 1016/j. ij‐
2022 0. 863 0. 707 -0. 049
drr. 2017. 07. 012.
ConvLSTM 2019 1. 660 1. 244 0. 791 Ho H C， Knudby A， Sirovyak P， et al， 2014. Mapping maximum ur‐
2020 1. 744 1. 231 0. 918 ban air temperature on hot summer days［J］. Remote Sensing of
2021 1. 855 1. 328 1. 028 Environment， 154： 38-45. DOI： 10. 1016/j. rse. 2014. 08. 012.
Jiang X W， Shu J C， Wang X， et al， 2017. The roles of convection
2022 1. 120 0. 850 -0. 501
over the western Maritime Continent and the Philippine Sea in in‐
NCC 2019 2. 150 1. 850 0. 692
terannual variability of summer rainfall over southwest China［J］.
2020 2. 788 2. 297 1. 137 Journal of Hydrometeorology， 18（7）： 2043-2056. DOI： 10.
2021 2. 952 2. 363 0. 915 1175/JHM-D-16-0292. 1.
2022 1. 574 1. 334 -0. 675 Kim S， Hong S， Joh M， et al， 2017. Deeprain： Convlstm network for
precipitation prediction using multichannel radar data［J］. arXiv
黑体突出表示效果最好（the best performance highlighted）
preprint arXiv： 1711. 02316. DOI： 10. 48550/arXiv. 1711. 02316.
结构能够增强模型的非线性映射能力， 从而更精准 Koster R D， Dirmeyer P A， Guo Z C， et al， 2004. Regions of strong
地捕捉降水变化中的复杂特征。同时， 对超参数的 coupling between soil moisture and precipitation［J］. Science， 305
调整， 如学习率和批量大小， 能够平衡模型的训练 （5687）： 1138-1140. DOI： 10. 1126/science. 1100217.
Kusiak A， Zheng H Y， Song Z， 2009. Wind farm power prediction： a
速度和稳定性， 确保模型在迭代过程中不断优化。
data‐mining approach［J］. Wind Energy： An International Journal
在数据输入方面， 本文建议可以尝试使用不同分辨
for Progress and Applications in Wind Power Conversion Technol‐
率的海表温度和降水数据， 以探索不同尺度信息对 ogy， 12（3）： 275-293. DOI： 10. 1002/we. 295.
预测精度的影响。此外， 通过调整海表温度与降水 Li J Z， Shi Y， Zhang T， et al， 2023. Radar precipitation nowcasting
数据在模型中的权重比例， 可以进一步挖掘两种数 based on ConvLSTM model in a small watershed in north China
据之间的协同作用， 提升模型对降水变化的敏感度 ［J］. Natural Hazards， 1-23. DOI： 10. 1007/s11069-023-
和准确性。此外， 考虑到降水变化的局地性特征， 06193-6.
Lim Y， Jo S， Lee J， et al， 2012. Prediction of East Asian summer pre‐
使用与预测区域更为相关的局部海表温度数据也
cipitation via independent component analysis［J］. Asia-Pacific
是一个值得探索的方向。
Journal of Atmospheric Sciences， 48： 125-134. DOI： 10. 1007/
SST-ConvLSTM模型作为创新性的降水预测工 s13143-012-0012-8.
具， 在西南地区的降水预测方面已经展现显著的优 Lin W， Wen C， Wen Z， et al， 2015. Drought in Southwest China： a
势。其在捕捉降水时空变化特征、 预测极端降水事 review［J］. Atmospheric and Oceanic Science Letters， 8（6）：
件等方面的能力， 使得该模型在降水研究领域具有 339-344. DOI： 10. 3878/AOSL20150043.
巨大的应用潜力。因此， 未来的研究可深入探索 Liu W， Wang Y Q， Zhong D， et al， 2022. ConvLSTM network-based
rainfall nowcasting method with combined reflectance and radar-
SST-ConvLSTM 模型的性能边界和适用范围， 进一
retrieved wind field as inputs［J］. Atmosphere， 13（3）： 411.
步提升其在降水预测中的准确性和可靠性。
DOI： 10. 3390/atmos13030411.
参考文献（References）： Ma Z F， Liu J， Zhang S Q， et al， 2013. Observed climate changes in
southwest China during 1961-2010［J］. Advances in Climate
Behrang M A， Assareh E， Ghanbarzadeh A， et al， 2010. The poten‐ Change Research， 4（1）： 30-40. DOI： 10. 3724/SP. J. 1248.
tial of different artificial neural network （ANN） techniques in dai‐ 2013. 030.
ly global solar radiation modeling based on meteorological data Mellit A， Pavan A M， Benghanem M， 2013. Least squares support
［J］. Solar Energy， 84（8）： 1468-1480. DOI： 10. 1016/j. solen‐ vector machine for short-term prediction of meteorological time
er. 2010. 05. 009. series［J］. Theoretical and Applied Climatology， 111： 297-307.
Chou J M， Xian T， Dong W J， et al， 2018. Regional temporal and DOI： 10. 1007/s00704-012-0661-7.
spatial trends in drought and flood disasters in China and assess‐ Michaelides S， Levizzani V， Anagnostou E， et al， 2009. Precipita‐
ment of economic losses in recent years［J］. Sustainability， 11 tion： Measurement， remote sensing， climatology and modeling