基于随机森林插值的中亚夏季极端高温变化特征

作者：孟欣宁,焦瑞莉,刘念,夏江江,严中伟,于爽,娄晓,李昊辰,王立志,陈亮,郑子彦,赵娜

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TStationf,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TRFIMG。基于TRFIMG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TRFIMG得到的夏季极端高温指数增速显著大于基于TStationf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。

发文机构：北京信息科技大学 中国科学院大气物理研究所 中国科学院大学 北京邮电大学理学院 北京大学 中国科学院地理科学与资源研究所

关键词：随机森林插值机器学习夏季极端高温中亚random forest interpolationmachine learningextreme high temperatures in summerCentral Asia

分类号： TP3[自动化与计算机技术—计算机科学与技术]