机器学习在中国区域极端气候指数集合预估中的应用
|
|
刘明铭, 徐影
|
Application of machine learning in the ensemble projection of regional extreme climate indices over China
|
|
LIU Mingming, XU Ying
|
|
表2 19个CMIP6模式的基本信息
|
Tab.2 Basic information of the 19 CMIP6 global climate models （GCMs）
|
|
| 序号 | 模式名称 | 模式单位（国家） | 分辨率 （经度×纬度） | | 1 | ACCESS-CM2 | 澳大利亚气候科学研究中心（澳大利亚） | 1.25°×1.875° | | 2 | ACCESS-ESM1-5 | 澳大利亚气候科学研究中心（澳大利亚） | 1.25°×1.875° | | 3 | BCC-CSM2-MR | 北京气候中心（中国） | 1.125°×1.125° | | 4 | CanESM5 | 加拿大气候模型与分析中心（加拿大） | 2.8°×2.8° | | 5 | CNRM-CM6-1 | 法国国家气象研究中心（法国） | 1.4°×1.4° | | 6 | CNRM-ESM2-1 | 法国国家气象研究中心（法国） | 1.4°×1.4° | | 7 | EC-Earth3 | EC-Earth联盟（欧洲） | 0.7°×0.7° | | 8 | FGOALS-g3 | 中国科学院大气物理研究所（中国） | 2.25°×2.25° | | 9 | GFDL-ESM4 | 地球物理流体动力学实验室（美国） | 1.0°×1.25° | | 10 | HadGEM3-GC31-LL | 英国气象局（英国） | 1.0°×1.0° | | 11 | INM-CM4-8 | 俄罗斯数值数学研究所（俄罗斯） | 1.5°×1.5° | | 12 | KIOST-ESM | 韩国海洋科学技术院（韩国） | 2.0°×2.0° | | 13 | MIROC6 | 日本海洋地球科学技术研究所（日本） | 1.0°×1.0° | | 14 | MPI-ESM1-2-HR | 马克斯·普朗克气象研究所（德国） | 1.5°×1.5° | | 15 | MPI-ESM1-2-LR | 马克斯·普朗克气象研究所（德国） | 1.5°×1.5° | | 16 | MRI-ESM2-0 | 气象研究所（日本） | 1.125°×1.125° | | 17 | NESM3 | 国家气候中心（中国） | 0.75°×0.75° | | 18 | NorESM2-LM | 挪威气候中心（挪威） | 1.25°×1.25° | | 19 | UKESM1-0-LL | 英国气象局（英国） | 0.5°×0.5° |
|
|
|