Page 212 - 《高原气象》2026年第2期

高 原 气 象 45 卷
512
tering and exploration of large and high-dimensional geodata［J］. cold air and return flow of dust air masses［J］. Atmospheric Re‐
GeoInformatica， 7： 229-253. search， 220： 81-91. DOI： 10. 1016/j. atmosres. 2019. 01. 007.
Han L， Chen M， Chen K， et al， 2021. A deep learning method for bi‐ Zhong X， Du F， Chen L， et al， 2024. Investigating transformer‐based
as correction of ECMWF 24-240 h forecasts［J］. Advances in At‐ models for spatial downscaling and correcting biases of near‐sur‐
mospheric Sciences， 38（9）： 1444-1459. face temperature and wind‐speed forecasts［J］. Quarterly Journal
Hartigan J A， Wong M A， 1979. Algorithm AS 136： A K-means clus‐ of the Royal Meteorological Society， 150（758）： 275-289.
tering algorithm［J］. Journal of the Royal Statistical Society： Se‐ Zhou L， Chen H， Xu L， et al， 2024. Deep learning‐based postpro‐
ries C （Applied Statistics）， 28（1）： 100-108. cessing for hourly temperature forecasting［J］. Meteorological Ap‐
Jiang Q， Cioffi F， Li W， et al， 2024. Hybrid multilayer perceptron plications， 31（2）： e2194.
and convolutional neural network model to predict extreme re‐ 陈新明， 盘钰春， 徐勇， 等， 2023. 西南地区植被覆盖度时空演变及
gional precipitation dominated by the large-scale atmospheric cir‐ 其与气候和地形的相关性［J］. 西南农业学报， 36（6）： 1307-
culation［J］. Atmospheric Research， 304： 107362. 1317. Chen X M， Pan Y C， Xu Y， et al， 2023. Spatio-temporal
Li J W， Han X Q， Jiang J W， et al， 2020. An efficient clustering variation of fractional vegetation cover and its relationship with
method for DBSCAN geographic spatio-temporal large data with climate and topographic factors in Southwest China［J］. South‐
improved parameter optimization［J］. The International Archives west China Journal of Agricultural Sciences， 36（6）： 1307-1317.
of the Photogrammetry， Remote Sensing and Spatial Information 管筝， 印涌强， 张晓祥， 等， 2024. 基于 K-means聚类与集成学习算
Sciences， 42： 581-584. 法的小流域山洪灾害易发性评估［J］. 应用科学学报， 42（3）：
Lian J， Huang S， Shao J， et al， 2024. Terra Wind： a deep learning‐ 388-404. DOI： 10. 3969/j. issn. 0255-8297. 2024. 03. 002. Guan
based near‐surface winds downscaling model for complex terrain Z， Yin Y Q， Zhang X X， et al， 2024. Estimating flash flood di‐
region［J］. Geophysical Research Letters， 51（23）： e2024GL11 saster susceptibility based on K-means clustering and ensemble
2124. learning approaches［J］. Journal of Applied Sciences， 42（3）：
Liu Q， Lou X， Yan Z， et al， 2023. Deep-learning post-processing of 388-404. DOI： 10. 3969/j. issn. 0255-8297. 2024. 03. 002.
short-term station precipitation based on NWP forecasts［J］. At‐ 郭小芹， 李光明， 孙占峰， 等， 2022. 祁连山及周边降水分布聚类检
mospheric Research， 295： 107032. 验和典型流域增雨效果评价［J］. 干旱区地理， 45（3）： 706-
Murtagh F， Contreras P， 2012. Algorithms for hierarchical clustering： 714. Guo X Q， Li G M， Sun Z F， et al， 2022. Cluster analysis
an overview［J］. Wiley Interdisciplinary Reviews Data Mining with statistical test of precipitation distribution in Qilian Moun‐
and Knowledge Discovery， 2（1）， 86-97. tains and its surrounding area and evaluation of artificial precipita‐
Qin Y， Liu Y， Jiang X， et al， 2023. Grid-to-point deep-learning error tion enhancement in typical watershed［J］. Arid Land Geography，
correction for the surface weather forecasts of a fine-scale numeri‐ 45（3）： 706-714.
cal weather prediction system［J］. Atmosphere， 14（1）： 145. 胡莹莹， 庞林， 王启光， 2023. 基于深度学习的 7~15d温度格点预报
Schubert E， Sander J， Ester M， et al， 2017. DBSCAN revisited， re‐ 偏差订正［J］. 应用气象学报， 34（4）： 426-437. Hu Y Y， Pang
visited： why and how you should （still） use DBSCAN［J］. ACM L， Wang Q G， 2023. Application of deep learning bias correction
Transactions on Database Systems （TODS）， 42（3）： 1-21. method to temperature grid forecast of 7-15 days［J］. Journal of
Sønderby C K， Espeholt L， Heek J， et al， 2020. MetNet： a neural Applied Meteorological Science， 34（4）： 426-437.
weather model for precipitation forecasting［J］. arXiv： 2003. 金荣花， 代刊， 赵瑞霞， 等， 2019. 我国无缝隙精细化网格天气预报
12140v2. 技术进展与挑战［J］. 气象， 45（4）： 445-457. Jin R H， Dai K，
Vatsavai R R， Symons C T， Chandola V， et al， 2011. GX-Means： A Zhao R X， et al， 2019. Progress and challenge of seamless fine
model-based divide and merge algorithm for geospatial image gridded weather forecasting technology in China［J］. Meteorologi‐
clustering［J］. Procedia Computer Science， 4： 186-195. cal Monthly， 45（4）： 445-457.
Wu P Y， Takemi T， 2023. Impacts of mountain topography and back‐ 李浙华， 肖安， 郑丽君， 2024. 基于高分辨率数值预报和深度学习
ground flow conditions on the predictability of thermally induced 的地面气温预报研究［J］. 高原气象， 43（2）： 464-477. DOI：
thunderstorms and the associated error growth［J］. Journal of the 10. 7522/j. issn. 1000-0534. 2023. 00073. Li Z H， Xiao A，
Atmospheric Sciences， 80（4）： 1177-1199. Zheng L J， 2024. Research on surface temperature prediction
Xu L， Zhou L， Chen H， et al， 2024. A deep learning network for im‐ based on high-resolution numerical prediction products and deep
proving predictions of maximum and minimum temperatures over learning［J］. Plateau Meteorology， 43（2）： 464-477. DOI： 10.
complex terrain［J］. Theoretical and Applied Climatology， 155 7522/j. issn. 1000-0534. 2023. 00073.
（7）： 6949-6963. 潘留杰， 薛春芳， 王建鹏， 等， 2017. 一个简单的格点温度预报订正
Zhang T， Liang Z， Li W， et al， 2023. Statistical post-processing of 方法［J］. 气象， 43（12）： 1584-1593. Pan L J， Xue C F， Wang J
precipitation forecasts using circulation classifications and spatio‐ P， et al， 2017. A simple grid temperature forecast correction
temporal deep neural networks［J］. Hydrology and Earth System method［J］. Meteorological Monthly， 43（12）： 1584-1593.
Sciences， 27（10）： 1945-1960. 邱贵强， 时少英， 王洪霞， 等， 2023. 2m 气温集成订正方法及在冬
Sun Z B， Wang H， Guo C， et al， 2019. Barrier effect of terrain on 奥延庆赛区的应用［J］. 应用气象学报， 34（4）： 400-412. Qiu G