顾及季节性变化的日本区域加权平均温度建模

发布时间：2025-05-01 11:08

　　 利用2014～2018年的ERA-Interim数据建立适用于日本区域的加权平均温度模型,分析其误差并进行季节性改正。结果表明:1)建立的线性加权平均温度模型精度比Bevis模型提高约16%;2)线性模型的残差时间序列存在季节性变化,因此对模型进行季节性改正,改正后的模型精度比Bevis模型和线性模型提高约37%和25%;3)将3种模型与探空站积分T_m进行比较,进一步说明季节性改正后模型的优越性。

【文章页数】：5 页

【部分图文】：

图2 AIRA站2014～2018年Tm相对于Ts

图12014～2018年AIRA站和USUD站

图4 AIRA站和USUD站拟合的积分Tm

图32014～2018年AIRA站和USUD站

图1 2014～2018年AIRA站和USUD站

Tm与Ts具有非常高的相关性[11],因此利用2014～2018年的ERA-Interim数据对日本区域GPS测站的Tm和Ts之间的关系进行简要的分析。图1为2个GPS测站2014～2018年Tm与Ts的散点图,可以看出,2个测站的Tm与Ts都具有明显的线性相关性,相关系数分别为....

图3 2014～2018年AIRA站和USUD站

为更清晰地说明J-Tm模型误差的周期性变化,采用周期函数分别对积分Tm和J-Tm模型计算的Tm进行拟合,结果见图4(以AIRA站和USUD站为例)。可以看出,虽然J-Tm模型的Tm与积分Tm的结果具有较为一致的变化趋势,但并未完全重合,仍然存在部分偏差,而偏差部分正好与J-Tm模....

本文编号：4042177