TY -的A2 Jimenez-Guerrero佩德罗盟方,苗族PY - 2021 DA - 2021/06/07 TI -每月遗传BP人工神经网络估计南极表面空气温度在1960 - 2019 SP - 8278579六世- 2021 AB -站坐的空间稀疏和时间不连续数据不允许完全了解南极表面空气温度(SAT)的变化在过去的几十年。使用空间插值生成时空连续坐的字段代表一个方法来解决这个问题。本研究提出了一个反向传播人工神经网络(BPANN)优化的遗传算法(GA)来估计每月坐的1960 - 2019年期间的南极大陆。交叉验证表明,该插值精度GA-BPANN高于基准的两个方法,即。看不到,BPANN和多元线性回归(MLR)。三种插值方法的误差特性month-dependent变化和往往是低在暖(冷)月(大)。此外,每年坐有一个显著的降温趋势在1960 - 1989(趋势=−0.07°C /年; p = 0.04 )和一个明显的变暖趋势在1990 - 2019 (= 0.06°C /趋势; p = 0.05 )。每月坐不显示一致的冷却或在所有月变暖趋势,例如,坐在没有显示显著降温趋势在1960 - 1989年1月至12月,一个明显的变暖趋势今年1月,6月,7月和12月期间1990 - 2019。此外,南极坐在随纬度和远离海岸线的距离,但南极东部比西部南极冷整体。时空不一致性在南极大陆坐趋势明显,例如,南极大陆的大部分显示降温趋势在1960 - 1989(趋势=−0.20∼0°C /年; p = 0.01 ∼ 0.27 )和峰值超过东部南极大陆的中部,而整个南极大陆显示变暖的趋势在1990 - 2019(趋势= 0∼0.10°C /年; p = 0.04 ∼ 0.42 高纬度地区)和峰值。SN - 1687 - 9309 UR - https://doi.org/10.1155/2021/8278579 - 10.1155 / 2021/8278579摩根富林明的进步气象学PB - Hindawi KW - ER