本書從干旱事件的識別和特征分析，到干旱危險性評估和干旱影響因素分析，再到干旱對社會經(jīng)濟(jì)影響的風(fēng)險評估，系統(tǒng)全面地分析了對比性較強(qiáng)的SSP126、SSP245和SSP585三種情景下干旱及其影響的時空分異特征，尤其是不同農(nóng)業(yè)區(qū)的時空分異特征。本書對理解氣候變化在干旱風(fēng)險評估和防范中的重要作用具有重要意義，對制定氣候變化適

本書圍繞長江上游區(qū)域氣候變化問題，全面系統(tǒng)地分析了1990～2020年長江上游地區(qū)平均溫度、最低溫度和最高溫度，不同等級降水強(qiáng)度、降水次數(shù)，以及干旱少雨、暴雨洪澇、高溫?zé)崂说葮O端天氣氣候的多尺度時空分布及其變化特征；通過國際耦合模式比較計劃CMIP6，評估不同模式對長江上游氣溫和降水的模擬能力，在優(yōu)選多模式模擬的基礎(chǔ)上

本書以內(nèi)蒙古典型草原積雪及風(fēng)吹雪為主題，針對內(nèi)蒙古典型草原積雪時空分布特征、風(fēng)雪流結(jié)構(gòu)特征和風(fēng)吹雪二次分配變化規(guī)律，以及積雪消融對土壤水熱狀況和植被生長特征的影響，提出了內(nèi)蒙古草原雪害防治原則與策略，構(gòu)建了草原雪害防治體系。本書是本課題組多年來對內(nèi)蒙古草原積雪及風(fēng)吹雪防治研究成果的系統(tǒng)總結(jié)，可為典型草原生態(tài)系統(tǒng)草原積雪

本書對區(qū)域氣候模擬和預(yù)估研究進(jìn)行系統(tǒng)介紹，內(nèi)容包括區(qū)域氣候模式作為重要動力降尺度工具的原理、區(qū)域氣候模式的評估方法、全球和區(qū)域氣候模式對中國氣候的模擬評估及預(yù)估結(jié)果、誤差訂正及不確定性分析等。

區(qū)域氣候不僅受局地大氣物理過程的直接控制，還受到全球大尺度因子的調(diào)控。本書旨在闡釋全球變暖背景下這些大尺度因子變化對區(qū)域氣候和極端氣候的影響。本書內(nèi)容涵蓋區(qū)域氣候變化信息的基礎(chǔ)、影響區(qū)域氣候的季風(fēng)系統(tǒng)、影響區(qū)域氣候的大氣環(huán)流因子、影響區(qū)域氣候的海溫模態(tài)、海冰和積雪對區(qū)域氣候的影響、全球變暖背景下的區(qū)域極端氣候事件等多個

本書系“第二次青藏高原綜合科學(xué)考察研究”之青藏高原強(qiáng)對流及閃電災(zāi)害科學(xué)考察的總結(jié)性專著，由參加科考的五個單位科研人員共同撰寫。全書共10章，主要論述拉薩和那曲外場觀測及其雷暴與閃電的物理特征，青藏高原及周邊地區(qū)的雷暴、閃電和強(qiáng)閃電活動特征，高原東部地形過渡區(qū)域和川藏鐵路沿線的閃電活動特征，以及西藏地區(qū)的雷電災(zāi)害統(tǒng)計等。

本書是一本綜合介紹復(fù)雜地表環(huán)境下熱紅外遙感建模核心理論與方法的專著，主要包含以下七個部分：①熱紅外輻射傳輸模型的理論基礎(chǔ)、發(fā)展歷程及模型間對比；②山地場景（單一坡、復(fù)合坡）下的植被輻射傳輸建模；③城市場景熱紅外輻射建模及城市建筑-植被復(fù)合場景建模；④地表輻射方向性的時空特征分析；⑤溫度角度歸一化方法，涵蓋光學(xué)-熱紅外耦

本書是以青藏高原氣候變化特征及其影響效應(yīng)為主題的第二次青藏高原綜合科學(xué)考察研宄任務(wù)的成果。從近兩萬年、近兩千年歷史演變及近代氣候變化的視角，綜合剖析青藏高原氣候特征及季風(fēng)、中高緯度系統(tǒng)變化對高原氣候格局變化的影響，青藏高原近年來暖濕化趨勢的觀測事實、成因及對植被區(qū)域性特征的影響和青藏高原災(zāi)害天氣特征變化趨勢及其與氣候變

深入研究氣象干旱向水文干旱傳遞過程有助于更好地預(yù)測干旱、降低干旱發(fā)生風(fēng)險、減輕干旱災(zāi)害強(qiáng)度。當(dāng)前氣象-水文干旱傳遞過程的研究熱點在于二者間關(guān)聯(lián)性及響應(yīng)時間的定量表征，但是對于何種條件下氣象干旱引發(fā)水文干旱以及氣象干旱與水文干旱特征存在怎樣的放大/衰減關(guān)系等并沒有形成系統(tǒng)的認(rèn)知。受流域氣候、下墊面以及人類活動等多方面因素

本書主要利用VMD分解風(fēng)速原始數(shù)據(jù)，通過相空間重構(gòu)技術(shù)對風(fēng)速數(shù)據(jù)分解子序列進(jìn)行相空間重構(gòu)，再利用綜合指標(biāo)法進(jìn)行最小二乘支持向量機(jī)、自回歸移動平均模型、深度學(xué)習(xí)機(jī)LSTM和小波神經(jīng)網(wǎng)絡(luò)等子模型選擇，并用改進(jìn)蝙蝠算法對預(yù)測模型參數(shù)進(jìn)行優(yōu)化。