人工智能重构全球风速栅格数据集

作     者：周俐宏 刘浩锋 江鑫 Alan D.Ziegler Cesar Azorin-Molina 刘江 曾振中 Lihong Zhou;Haofeng Liu;Xin Jiang;Alan D.Ziegler;Cesar Azorin-Molina;Jiang Liu;Zhenzhong Zeng

作者机构：School of Environmental Science and EngineeringSouthern University of Science and TechnologyShenzhen 518055China Department of Computer Science and EngineeringSouthern University of Science and TechnologyShenzhen 518055China Faculty of Fisheries and Aquatic ResourcesMaejo UniversityChiang Mai 50290Thailand Centro de Investigaciones sobre DesertificaciónConsejo Superior de Investigaciones Científicas(CIDECSIC-UV-Generalitat Valenciana)ClimateAtmosphere and Ocean Laboratory(Climatoc-Lab)MoncadaValencia 46113Spain 

出 版 物：《Science Bulletin》 (科学通报（英文版）)

年 卷 期：2022年第67卷第20期

页      面：2060-2063,M0003页

核心收录：

学科分类：07[理学] 08[工学] 081104[工学-模式识别与智能系统] 0706[理学-大气科学] 0811[工学-控制科学与工程] 

基　　金：supported by the National Natural Science Foundation of China(42071022) the start-up fund provided by Southern University of Science and Technology(29/Y01296122) Highlight Project on Water Security and Global Change of Southern University of Science and Technology(G02296302) supported by Evaluación y atribución de la variabilidad de la velocidad media y las rachas máximas de viento:causas del fenómeno stilling(RTI2018-095749-A-100) Cambios observados,proyecciones futuras eíndices de la velocidad del viento y sus extremos en la Comunidad Valenciana(AICO/2021/023) the Spanish National Research Centre Interdisciplinary Thematic Platform PTI-CLIMA。 

主　　题：卷积神经网络 人工智能 缺失值 可再生能源 平均风速 CNN 气候变化 连续性 

摘      要：风速数据被广泛用于科学、管理和政策领域,例如评估可再生能源潜力、探索气候变化/变异性等.而如何获得准确而连续的风速数据仍是一个棘手的问题.本文探究了部分卷积神经网络在重构风速数据上的表现,证实了该算法在修复具有大量缺失值(88%)的数据集上的可行性;随后基于该算法,开发了一套全球10米月平均风速产品—GGWSPCNN(1.25°×2.5°;1973~2020).该产品实现了风速数据在时空上的连续性的同时也包含了观测到的风速趋势信息.本研究还基于该产品分析了1973~2020年全球陆地风速的变化情况.结果显示,2010年以前北半球和非洲风速的下降主导了全球风速的下降,而2010年后全球大多数地区(尤其是亚洲、欧洲和非洲)的风速回升共同促成了全球风速的上升.