一种预测泛北冰洋下行辐射的变化及其季节性驱动性因子贡献的方法

本发明公开了一种预测泛北冰洋下行辐射的变化及其季节性驱动性因子贡献的方法。该方法首先获取并预处理泛北冰洋区域的下行辐射和相关环境因子数据；然后构建并训练一种混合深度学习模型CNN‑STLSTM‑CNN以预测下行辐射的变化；接着利用训练好的模型预测未来一个月的下行辐射变化，并通过模型敏感性分析量化冷季和暖季温度、海冰密集度、相对湿度和潜热通量等主要环境因子对下行辐射变化的贡献比例，最后揭示了海冰密集度在不同季节的对比效应。本发明能够较高精度地预测泛北冰洋下行辐射的变化，并深入分析其季节性驱动因素，为理解和应对北极气候变化提供科学依据。