基于数据融合的中国东部降水氢稳定同位素数据集  

作　　者：陈佳澄 陈杰[1,2] Xunchang John ZHANG 彭培艺 

机构地区：[1]武汉大学水资源工程与调度全国重点实验室,武汉430072 [2]武汉大学海绵城市建设水系统科学湖北省重点实验室,武汉430072 [3]USDA-ARS Oklahoma and Central Plains Agricultural Research Center,El Reno OK 73036,USA [4]重庆交通大学西南水利水运工程科学研究院,重庆400016

出　　处：《中国科学：地球科学》2024年第9期3023-3039,共17页Scientia Sinica(Terrae)

基　　金：武汉市知识创新专项项目(2022020801010106);国家自然科学基金项目(U2240201、52079093);重庆市自然科学基金面上项目(cstc2021jcyj-msxm2426)资助。

摘　　要：降水氢稳定同位素在气候和水文研究中是一种有效的环境示踪剂.然而,中国目前仍然缺乏高精度的降水氢同位素数据.本研究使用基于卷积神经网络(CNN)的数据融合方法,将观测和引入同位素的大气环流模式(iGCM)模拟的氢同位素组成进行融合,建立了中国东部地区1969~2017年降水氢同位素数据集.该数据集的时间分辨率为逐月,空间分辨率为50~60km.在构建数据集之前,比较了三种数据融合方法和两种偏差校正方法的性能.结果表明,基于CNN的融合方法表现最好(与观测数据的相关系数大于0.90,均方根误差小于10.5‰),误差反向传播神经网络和长短期记忆人工神经网络的表现相近,且优于偏差校正方法.因此,使用CNN方法建立数据集并基于此分析了中国东部降水氢同位素的时空分布特征.数据集的降水氢同位素分布与观测数据分布相似,在空间上与北方地区的温度效应和南方地区的降水量效应一致,时间序列变化趋势与降水和气温的观测变化趋势一致.综上所述,构建的数据集能较好地再现观测数据,且具有时间连续和空间相对规则的特点,能为追踪大气和水文过程提供有效的数据支撑.

关 键 词：降水 稳定同位素 大气环流模式 数据融合 数据集 

分 类 号：P413[天文地球—大气科学及气象学]