沙尘天气识别和预报方法研究综述

doi:10.7522/j.issn.1000-694X.2023.00054

摘要/Abstract

摘要：

沙尘天气是极端天气现象，会使空气浑浊、能见度骤降，给人类社会各个方面带来恶劣影响；沙尘气溶胶还通过改变大气辐射收支及云微物理特性对天气气候产生重要影响。围绕沙尘天气的相关研究一直是灾害天气预报领域中重要的研究方向，准确识别和预报沙尘天气在生态环境保护、气候变化等方面均具重要意义。回顾了近年来关于沙尘天气识别与预报方法相关的研究成果，对重要的方法进行了详细介绍，同时分析比较了不同方法的优缺点。最后，对沙尘天气识别与预报相关的研究成果进行了总结，并展望了有价值的研究方向。

关键词: 沙尘天气, 沙尘天气识别, 沙尘天气预报, 数值模拟, 机器学习

Abstract:

Dusty weather is an extreme weather phenomenon that occurs frequently in the northern China. It leads to a turbidity of the air and a sharp decline in visibility， causing adverse effects on various aspects of human society. Dust aerosols transported into the atmosphere by strong winds also have a significant impact on weather and climate by modulating atmospheric radiation budget and cloud microphysics. Accurate identification and forecasting of dusty weather are of great significance in ecological protection and climate change mitigation. This paper provides a comprehensive review of recent research on methods for identifying and forecasting dust events. Important methods are described in detail， and their advantages and disadvantages are analyzed and compared. Finally， this paper summarizes the research achievements related to the identification and forecasting of dusty weather and proposes valuable future research directions.

Key words: dusty weather, identification of dusty weather, forecasting of dusty weather, numerical simulation, machine learning

中图分类号:

P427.2

陈思宇, 杜世康, 毕鸿儒, 赵丹, 张越, 陈渔, 娄高僮, 陈俊言. 沙尘天气识别和预报方法研究综述[J]. 中国沙漠, 2024, 44(1): 11-21.

Siyu Chen, Shikang Du, Hongru Bi, Dan Zhao, Yue Zhang, Yu Chen, Gaotong Lou, Junyan Chen. Review on identification and forecasting of dusty weather[J]. Journal of Desert Research, 2024, 44(1): 11-21.

图/表 3

图1 东亚地区CALIPSO观测和WRF-Chem数值预报的AOD空间分布

Fig.1 Spatial distributions of AOD in East Asia based on CALIPSO and WRF-Chem model

图2 2021年3月15日沙尘天气事件中观测PM10与数值预报PM10对比

Fig.2 PM10 observed versus PM10 predicted for the dust weather event on March 15， 2021

图3 基于机器学习方法的沙尘天气预报

Fig.3 Dust forecasting based on machine learning

参考文献 121

1	叶笃正，丑纪范，刘纪远，等.关于我国华北沙尘天气的成因与治理对策［J］.地理学报，2000，15（4）：513-521.
2	张莉，丁一汇，任国玉.我国北方沙尘天气演变趋势及其气候成因分析［J］.应用气象学报，2005，16（5）：583-592.
3	尹晓惠.我国沙尘天气研究的最新进展与展望［J］.中国沙漠，2009，29（4）：728-733.
4	沈建国，李嘉鹏，牛生杰，等.沙尘天气中气溶胶光学特性的时空分布特征［J］.中国沙漠，2007，27（3）：495-501.
5	张瑞军，何清，孔丹，等.近几年国内沙尘暴研究的初步评述［J］.干旱气象，2007，23（3）：88-94.
6	孙兆彬，安兴琴，崔甍甍，等.北京地区颗粒物健康效应研究：沙尘天气、非沙尘天气下颗粒物（PM_2.5、PM₁₀）对心血管疾病入院人次的影响［J］.中国环境科学，2016，36（8）：2536-2544.
7	杨帆，王雪芹，杨东亮，等.风沙侵袭影响下绿洲边缘植物群落点格局分析［J］干旱区研究，2012，29（5）：763-769.
8	杨帆，王顺胜，何清，等.塔克拉玛干沙漠腹地地表辐射与能量平衡［J］.中国沙漠，2016，36（5）：1408-1418.
9	成天涛，沈志宝.中国西北大气沙尘的辐射强迫［J］.高原气象，2002，21（5）：473-478.
10	宿兴涛，李鲲，魏强，等.东亚沙尘光学特性及其对辐射强迫和温度的影响［J］.中国沙漠，2016，36（5）：1381-1390.
11	张凯，高会旺，张仁健，等.我国沙尘的来源、移动路径及对东部海域的影响［J］.地球科学进展，2005，20（6）：627-636.
12	高会旺，祁建华，石金辉，等.亚洲沙尘的远距离输送及对海洋生态系统的影响［J］.地球科学进展，2009，24（1）：1-10.
13	叶晶，李万彪，刘辉志，等.基于沙尘气溶胶识别的中国北方地区MODIS云检测产品的改进研究［J］.热带气象学报，2010，26（5）：563-570.
14	Akhlaq M， Sheltami T R， Mouftah H T.A review of techniques and technologies for sand and dust storm detection［J］.Reviews in Environmental Science and Bio/Technology，2012，11：305-322.
15	郑淏，薛惠锋，李养养，等.基于K-means聚类的沙尘天气快速识别技术研究［J］.中国环境监测，2020，36（5）：130-137.
16	熊利亚，李海萍，庄大方.应用MODIS数据研究沙尘信息定量化方法探讨［J］.地理科学进展，2002，21（4）：327-332.
17	Wang Y Q， Zhang X Y， Gong S L，et al.Surface observation of sand and dust storm in East Asia and its application in CUACE/Dust［J］.Atmospheric Chemistry and Physics，2008，8：545-553.
18	高庆先，任阵海，张运刚，等.利用静止卫星资料跟踪沙尘天气的发生、发展及其传输［J］.资源科学，2004，26（5）：24-29.
19	Karagulian F， Temimi M， Ghebreyesus D，et al.Analysis of a severe dust storm and its impact on air quality conditions using WRF-Chem modeling，satellite imagery，and ground observations［J］.Air Quality，Atmosphere & Health，2019，12：453-470.
20	Boroughani M， Pourhashemi S， Hashemi H，et al.Application of remote sensing techniques and machine learning algorithms in dust source detection and dust source susceptibility mapping［J］.Ecological Informatics，2022，56：1574-9541.
21	Berndt E B， Elmer N J， Junod R A，et al.A machine learning approach to objective identification of dust in satellite imagery［J］.Earth and Space Science，2000，8：2333-5084.
22	Amiri M， Soleimani S.A hybrid atmospheric satellite image-processing method for dust and horizontal visibility detection through feature extraction and machine learning techniques［J］.Journal of the Indian Society of Remote Sensing，2022，50：523-532.
23	Barnum B， Winstead N， Wesely J，et al.Forecasting dust storms using the CARMA-dust model and MM5 weather data［J］.Environmental Modelling & Software，2004，19：129-140.
24	Huneeus N， Basart S， Fiedler S，et al.Forecasting the northern African dust outbreak towards Europe in April 2011： a model intercomparison［J］.Atmospheric Chemistry and Physics，2016，16：4967-4986.
25	孙建华，赵琳娜，赵思雄.一个适用于我国北方的沙尘暴天气数值预测系统及其应用试验［J］.气候与环境研究，2003，8（2）：125-142.
26	王会军，郎咸梅，周广庆，等.我国今冬和明春气候异常与沙尘气候形势的模式预测初步报告［J］.大气科学，2003，27（1）：136-140.
27	陈红，林朝晖，周广庆.我国春季沙尘天气趋势的数值气候预测试验［J］.气候与环境研究，2004，9（1）：182-190.
28	Gong S L， Zhang X Y.CUACE/Dust-an integrated system of observation and modeling systems for operational dust forecasting in Asia［J］.Atmospheric Chemistry and Physics，2008，8：2333-2340.
29	Bao Y， Zhu L， Guan Q，et al.Assessing the impact of Chinese FY-3/MERSI AOD data assimilation on air quality forecasts： Sand dust events in northeast China［J］.Atmospheric Environment，2019，205：78-89.
30	姜红，何清，曾晓青，等.基于随机森林和卷积神经网络的FY-4A号卫星沙尘监测研究［J］.高原气象，2021，40（3）：680-689.
31	Alshammari R K， Alrwais O， Aksoy M S.Machine learning applications to dust storms：a Meta-analysis［J］.Aerosol and Air Quality Research，2022，22：220183.
32	张小曳.中国大气气溶胶及其气候效应的研究［J］.地球科学进展，2007，22（1）：12-16.
33	石广玉，王标，张华，等.大气气溶胶的辐射与气候效应［J］.大气科学，2008，32（4）：826-840.
34	段婧，毛节泰.华北地区气溶胶对区域降水的影响［J］.科学通报，2008，53（23）：2947-2955.
35	Huang M， Peng G， Zhang J，et al.Application of artificial neural networks to the prediction of dust storms in Northwest China［J］.Global and Planetary Change，2006，52：216-224.
36	Huang J， Wang T， Wang W，et al.Climate effects of dust aerosols over East Asian arid and semiarid regions［J］.Journal of Geophysical Research-Atmosphere，2014，119：11398-11416.
37	Kaskaoutis D G， Kambezidis H D， Nastos P T，et al.Study on an intense dust storm over Greece［J］.Atmospheric Environment，2008，42（29）：6884-6896.
38	Kaufman Y J， Tanre D， Dubovik O，et al.Absorption of sunlight by dust as inferred from satellite and ground‐based remote sensing.［J］.Geophysical Research Letters，2001，28：1479-1482.
39	Zhang P， Lu N， Hu X， al el.Identification and physical retrieval of dust storm using three MODIS thermal IR channels［J］.Global and Planetary Change，2006，52：197-206.
40	Huang J， Ge J， Weng F，et al.Detection of Asia dust storms using multisensor satellite measurements［J］.Remote Sensing of Environment，2007，110：186-191.
41	Graaf M， Stammes P， Koelemeijer R.Absorbing Aerosol Index： sensitivity analysis，application to GOME and comparison with TOMS［J］.Journal of Geophysical Research：Atmospheres，2005，110：01201.
42	Kaufman Y， Wald A.The MODIS 2.1-/spl mu/m channel-correlation with visible reflectance for use in remote sensing of aerosol［J］.IEEE Transactions on Geoscience and Remote Sensing，1997，35：1286-1298.
43	Hsu N， Tsay S C， King M，et al.Deep blue retrievals of Asian aerosol properties during ACE-Asia［J］.IEEE Transactions on Geoscience and Remote Sensing，2006，44（11）：3180-3195.
44	Shenk W， Curran R.The detection of dust storms over land and water with satellite visible and infrared measurements［J］.Monthly Weather Review，1974，102（12）：830-837.
45	Legrand M， Cautenet G， Buriez J.Thermal impact of saharan dust over land.Part II：application to satellite IR remote sensing［J］.Journal of Applied Meteorology and Climatology，1992，31（2）：181-193.
46	Kluser L， Schepanski K.Remote sensing of mineral dust over land with MSG infrared channels：a new bitemporal mineral dust index［J］.Remote Sensing of Environment，2009，113（9）：1853-1867.
47	Good E， Kong X， Embury O，et al.An infrared desert dust index for the Along-Track Scanning Radiometers［J］.Remote Sensing of Environment，2012，116：159-176.
48	曹广真，张鹏，胡秀清，等.静止与极轨气象卫星监测沙尘的融合算法研究［J］.气象科技进展，2016，6（1）：116-119.
49	Herman J， Bhartia P， Torres O，et al.Global distribution of UV-absorbing aerosols from Nimbus 7/TOMS data［J］.Journal of Geophysical Research-Atmosphere，1997，102：16911-16922.
50	Mark A， Kathleen A， David M.Fully automated detection of cloud and aerosol layers in the CALIPSO lidar measurements［J］.Journal of Atmospheric and Oceanic Technology，2009，26：2034-2050.
51	Lakshmi N， Nair Vijayakumar S， Babu S.Vertical structure of aerosols and mineral dust over the Bay of Bengal from multisatellite observations［J］.Journal of Geophysical Research：Atmospheres，2017，122：12845-12861.
52	Huang J， Liu J， Chen B，et al.Detection of anthropogenic dust using CALIPSO lidar measurements［J］.Atmospheric Chemistry and Physics，2015，15：11653-11665.
53	Ma Y， Gong W.Evaluating the performance of SVM in dust aerosol discrimination and testing its ability in an extended area［J］.IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing，2012，5：08855-4141.
54	Jing Y， Zhang P， Chen L，et al.Integrated analysis of dust transport and budget in a severe Asian dust event［J］.Aerosol and Air Quality Research，2017，17：2390-2400.
55	邓梅，张佳华，蒋跃林.沙尘暴影响下北京沙尘气溶胶的垂直分布及溯源分析［J］.气象科学，2015，35（5）：550-557.
56	Hu Z， Huang J， Zhao C，et al.Modeling the contributions of Northern Hemisphere dust sources to dust outflow from East Asia［J］.Atmosphere Environment，2019，202：234-243.
57	Zhou C， Gui H， Hu J，et al.Detection of new dust sources in Central/East Asia and their impact on simulations of a severe sand and dust storm［J］.Journal of Geophysical Research：Atmospheres，2000，124：10232-10247.
58	Shi Y， Liu X， Wu M，et al.Relative importance of high-latitude local and long-range-transported dust for Arctic ice-nucleating particles and impacts on Arctic mixed-phase clouds［J］.Atmospheric Chemistry and Physics，2022，22（4）：2909-2935.
59	Tong P， Chen S， Tang C.Detecting and evaluating dust-events in north China with ground air quality data［J］.Earth and Space Science，2021，9：2333-5084.
60	Souri A， Vajedian S.Dust storm detection using random forests and physical-based approaches over the Middle East［J］.Journal of Earth System Science，2015，124：1127-1141.
61	Wong M， Xiao F， Nichol J，et al.A multi-scale hybrid neural network retrieval model for dust storm detection，a study in Asia［J］.Atmosphere Research，2015，158：89-106.
62	Shao Y.A model for mineral dust emission［J］.Journal of Geophysical Research：Atmospheres，2001，106：20239-20254.
63	周秀骥，徐祥德，颜鹏，等.2000年春季沙尘暴动力学特征［J］.中国科学（D辑：地球科学），2002（4）：327-334.
64	周自江.近45年中国扬沙和沙尘暴天气［J］.第四纪研究，2001，21（1）：9-17.
65	邵亚平.沙尘天气的数值预报［J］.气候与环境研究，2004，9（1）：127-138.
66	朱好，张宏升.沙尘天气过程临界起沙因子的研究进展［J］.地球科学进展，2011，26（1）：30-38.
67	Han Z， Ueda H， Matsuda K，et al.Model study on particle size segregation and deposition during Asian dust events in March 2002［J］.Journal of Geophysical Research-Atmosphere，2004，109：1100-1117.
68	Shao Y.Simplification of a dust emission scheme and comparison with data［J］.Journal of Geophysical Research-Atmosphere，2004，109：1224-1236.
69	张小曳，龚山陵.中国的人为沙漠化因素对亚洲沙尘暴的贡献［J］.气候变化研究进展，2005，1（4）：147-150.
70	Che H， Qi B， Zhao H，et al.Aerosol optical properties and direct radiative forcing based on measurements from the China Aerosol Remote Sensing Network （CARSNET） in eastern China［J］.Atmospheric Chemistry and Physics，2018，18：405-425.
71	Yang X， Yang F， Zhou C，et al.Improved parameterization for effect of soil moisture on threshold friction velocity for saltation activity based on observations in the Taklimakan Desert［J］.Geoderma，2020，369：114322.
72	Yang X， Wang M， He Q，et al.Estimation of sampling efficiency of the Big Spring Number Eight （BSNE） sampler at different heights based on sand particle size in the Taklimakan Desert［J］.Geomorphology，2018，322：89-96.
73	张宏升，朱好，彭艳，等.沙尘天气过程沙地下垫面沙尘通量的获取与分析研究［J］.气象学报，2007，65（5）：744-752.
74	李晓岚，张宏升.我国沙尘天气微气象学和湍流输送特征研究进展［J］.干旱气象，2010，28（3）：256-264.
75	李晓岚，张宏升.内蒙古科尔沁沙地临界起沙阈值的范围确定［J］.气象学报，2016，74（1）：76-88.
76	张强，王胜.论特强沙尘暴（黑风）的物理特征及其气候效应［J］.中国沙漠，2005，25（5）：675-681.
77	赵建华，张强，袁铁，等.沙粒启动机制的理论分析［J］.中国沙漠，2005，25（6）：61-70.
78	赵建华，张强.沙尘大气物理约束方程研究［J］.物理学报，2010，59（12）：8954-8967.
79	曾庆存，程雪玲，胡非.大气边界层非常定下沉急流和阵风的起沙机理［J］.气候与环境研究，2007，12（3）：244-250.
80	段佳鹏.尘卷风热力学效率初探及其对沙尘气溶胶的贡献［D］.南京：南京信息工程大学，2013.
81	Nickovic S， Kallos G， Papadopoulos A，et al.A model for prediction of desert dust cycle in the atmosphere［J］.Journal of Geophysical Research-Atmosphere，2001，106：18113-18129.
82	Werner M， Tegen I， Harrison S，et al.Seasonal and interannual variability of the mineral dust cycle under present and glacial climate conditions［J］.Journal of Geophysical Research-Atmosphere，2002，107：4744.
83	Miller R， Tegen I， Perlwitz J.Surface radiative forcing by soil dust aerosols and the hydrologic cycle［J］.Journal of Geophysical Research-Atmosphere，2004，109：2224.
84	Zender C， Bian H， Newman D.Mineral Dust Entrainment and Deposition （DEAD） model：description and 1990s dust climatology［J］.Journal of Geophysical Research-Atmosphere，2003，108：4416.
85	Tanaka T， Chiba M.A numerical study of the contributions of dust source regions to the global dust budget［J］.Global and Planetary Change，2006，52（1）：88-104.
86	Zhang X， Gong S， Arimoto R，et al.Characterization and temporal variation of Asian dust aerosol from a site in the northern Chinese deserts［J］.Journal of Atmosphere Chemistry，2003，44：241-257.
87	Liu M， Westphal D， Wang S，et al.A high-resolution numerical study of the Asian dust storms of April 2001［J］.Journal of Geophysical Research-Atmosphere，2003，108：23.
88	陈伟民，王强.中尺度业务数值预报试验模式系统原理和应用（三）模式初始化和预报结果后处理［J］.甘肃气象，1995（3）：12-16.
89	刘春涛，程麟生.黑风暴的沙尘形成与输送参数化及中尺度数值试验［J］.气象学报，1997，55（6）：87-100.
90	黄美元，王自发.东亚地区黄沙长距离输送模式设计［J］.大气科学，1998，22（4）：243-255.
91	曾庆存，董超华，彭公炳，等.沙尘暴监测、预报和预警综合系统及其应用［J］.中国科技奖励，2008（6）：25-27.
92	王宏，龚山陵，张红亮，等.新一代沙尘天气预报系统GRAPES_CUACE/Dust：模式建立、检验和数值模拟［J］.科学通报，2009，54（24）：3878-3891.
93	王自发，谢付莹，王喜全，等.嵌套网格空气质量预报模式系统的发展与应用［J］.大气科学，2006，30（5）：778-790.
94	蒋维东，鲍艳松，冯沁，等.基于WRF-Chem的AOD预报在一次沙尘天气中的研究［J］.科学技术与工程，2015，15（22）：99-104.
95	Grell G， Peckham S， Schmitz R，et al.Fully coupled “online” chemistry within the WRF model［J］.Atmospheric Environment，2005，39（37）：6957-6975.
96	Kaimian F， Li Q， Wu C，et al.Evaluation of different machine learning approaches to forecasting PM_2.5 mass concentrations［J］.Aerosol and Air Quality Research，2019，19：1400-1410.
97	Lu Z， Zhang Q， Zhao Z.SVM in the sand-dust storm forecasting［C］//2006 International Conference on Machine Learning and Cybernetics.2006：3677-3681.
98	Xie Y， Liu Y， Fu Q.Imbalanced data sets classification based on SVM for sand-dust storm warning［J］.Discrete Dynamics in Nature and Society，2015，2：1-8.
99	Zhang Z， Ma C， Xu J，et al.A novel combinational forecasting model of dust storms based on rare classes classification algorithm［C］//Geo-Informatics in Resource Management and Sustainable Ecosystem，2015：520-537.
100	张振华，徐瑾辉，李龙欣，等.基于SMOTE算法与决策树的沙尘暴短期预警研究［J］.徐州工程学院学报（自然科学版），2015，30（3）：40-46.
101	Kaboodvandpour S， Amanollahi J， Qhavami S，et al.Assessing the accuracy of multiple regressions，ANFIS，and ANN models in predicting dust storm occurrences in Sanandaj，Iran［J］.Natural Hazards，2015，78：879-893.
102	Ebrahimi-Khusfi Z， Taghizadeh-mehrjardi R， Mirakbari M.Evaluation of machine learning models for predicting the temporal variations of dust storm index in arid regions of Iran［J］.Atmospheric Pollution Research，2021，12（1）：134-147.
103	Murayziq T， Kapetanakis S， Petridis M.Intelligent signal processing for dust storm prediction using ensemble case-based reasoning［C/OL］//2017 IEEE 29th International Conference on Tools with Artificial Intelligence，2017：1267-1271.
104	Li T， Ren Q， Qiu Y.Application of improved Naive Bayesian-CNN Classification Algorithm in sandstorm prediction in Inner Mongolia［J］.Advances in Meteorology，2019，2019：1-13.
105	Ebrahimi-khusfi Z， Taghizadeh-mehrjardi R， Nafarzadegan A.Accuracy，uncertainty，and interpretability assessments of ANFIS models to predict dust concentration in semi-arid regions［J］.Environmental Science and Pollution Research，2021，28（6）：6796-6810.
106	Wen C， Liu S， Yao X，et al.A novel spatiotemporal convolutional long short-term neural network for air pollution prediction［J］.Science of the Total Environment，2019，654：1091-1099.
107	Becerra-rico J， Aceves-fernandez M， Esquivel-escalante K，et al.Airborne particle pollution predictive model using Gated Recurrent Unit （GRU） deep neural networks［J］.Earth Science Informatics，2020，13（3）：821-834.
108	Bi J， Knowland K， Keller C，et al.Combining machine learning and numerical simulation for high-resolution PM_2.5 concentration forecast［J］.Environmental Science & Technology，2022，56（3）：1544-1556.
109	Ke H， Gong S， He J，et al.A hybrid XGBoost-SMOTE model for optimization of operational air quality numerical model forecasts［J］.Frontiers in Environmental Science，2022，10：1007530.
110	Peng J， Han H， Yi Y，et al.Machine learning and deep learning modeling and simulation for predicting PM_2.5 concentrations［J］.Chemosphere，2022，308：136353.
111	Zhang K， Yang X， Cao H，et al.Multi-step forecast of PM_2.5 and PM₁₀ concentrations using convolutional neural network integrated with spatial-temporal attention and residual learning［J］.Environment International，2023，171：107691.
112	Chae S， Shin J， Kwon S，et al.PM₁₀ and PM_2.5 real-time prediction models using an interpolated convolutional neural network［J］.Scientific Reports，2021，11：11952.
113	Qi Y， Li Q， Karimian H，et al.A hybrid model for spatiotemporal forecasting of PM_2.5 based on graph convolutional neural network and long short-term memory［J］.Science of The Total Environment，2019，664：1-10.
114	Du S， Li T， Yang Y，et al.Deep air quality forecasting using hybrid deep learning framework［J］.IEEE Transactions on Knowledge and Data Engineering，2018，33：2412-2424.
115	Zhang K， The J， Xie G，et al.Multi-step ahead forecasting of regional air quality using spatial-temporal deep neural networks： a case study of Huaihai Economic Zone［J］.Journal of Cleaner Production，2020，277：123231.
116	Wang D， Wei S， Luo H，et al.A novel hybrid model for air quality index forecasting based on two-phase decomposition technique and modified extreme learning machine［J］.Science of The Total Environment，2017，580：719-733.
117	Liu H， Duan Z， Chen C.A hybrid multi-resolution multi-objective ensemble model and its application for forecasting of daily PM_2.5 concentrations［J］.Information Sciences，2020，516：266-292.
118	Huang G， Li X， Zhang B，et al.PM_2.5 concentration forecasting at surface monitoring sites using GRU neural network based on empirical mode decomposition［J］.Science of The Total Environment，2021，768：144516.
119	Zhang G， Liu H， Yu C，et al.A new PM_2.5 forecasting model based on data preprocessing，reinforcement learning and gated recurrent unit network［J］.Atmospheric Pollution Research，2022，13（7）：101475.
120	Zaini N， Ean L， Ahmed A，et al.PM_2.5 forecasting for an urban area based on deep learning and decomposition method［J］.Scientific Reports，2022，12（1）：17565.
121	Ma J， Ding Y， Gan V，et al.Spatiotemporal prediction of PM_2.5 concentrations at different time granularities using IDW-BLSTM［J］.IEEE Access，2019，7：107897-107907.

[1]	芦瑞杰, 刘树林, 康文平, 冯坤, 郭紫晨, 支莹. 结合GEE平台与机器学习算法的荒漠信息提取[J]. 中国沙漠, 2023, 43(6): 60-70.
[2]	廖承贤, 王海兵, 刘茜雅, 李悦. 以计算流体动力学模型（CFD）模拟的戈壁地表风沙两相流运动特征[J]. 中国沙漠, 2023, 43(6): 71-78.
[3]	曼吾拉·卡德尔, 张璐, 刘鑫华, 努尔比亚·吐尼牙孜, 古丽乃帕尔·木明, 高韶勃. 塔里木盆地两次沙尘天气过程对比分析[J]. 中国沙漠, 2023, 43(4): 76-88.
[4]	刘俊贺, 迟云平, 谢远云, 康春国, 魏振宇, 吴鹏, 孙磊. 松嫩沙地地球化学特征及其对风尘物质贡献的指示[J]. 中国沙漠, 2023, 43(3): 252-263.
[5]	王蕾, 蒙瑞丽, 曹磊, 高飞, 陈浩, 李毅辉, 张佳音, 闫东杰, 刘笑, 牛天田, 任静. 2016—2020年沙尘天气对陕西省空气质量的影响特征[J]. 中国沙漠, 2022, 42(4): 130-138.
[6]	张亦然, 刘廷玺, 童新, 段利民, 贾天宇, 季亚新. 基于多源遥感和机器学习方法的科尔沁沙地植被覆盖度反演[J]. 中国沙漠, 2022, 42(3): 187-195.
[7]	赵明, 周春晓, 李崇, 刘硕, 赵胡笳. 1960—2020年辽宁沙尘强度特征[J]. 中国沙漠, 2022, 42(2): 113-120.
[8]	宫毓来, 马绍休, 刘伟琦. 机器学习与统计模型在石羊河流域气候降尺度研究中的适用性对比[J]. 中国沙漠, 2022, 42(1): 196-210.
[9]	崔娟, 王浩, 刘杰, 王越, 卢立栋, 陈洁. 沙尘天气对榆林市环境空气质量的影响[J]. 中国沙漠, 2021, 41(2): 59-66.
[10]	胡元洁, 蒋楠. 沙尘天气对西安市环境空气质量的影响[J]. 中国沙漠, 2020, 40(6): 53-60.
[11]	杨燕萍, 王莉娜, 杨丽丽, 陶会杰, 蒋琳. 兰州市沙尘天气污染特征及潜在源区[J]. 中国沙漠, 2020, 40(3): 60-66.
[12]	靳婷, 彭晓庆, 王萍. 脉动风场下跃移沙粒对风的响应时间[J]. 中国沙漠, 2020, 40(2): 100-108.
[13]	刘莹, 韩永翔, 杨文清, 罗汉, 刘宁, 刘唯佳. 沙尘天气、尘卷风对沙漠地区起沙量的贡献[J]. 中国沙漠, 2018, 38(6): 1175-1179.
[14]	辛林桂, 程建军, 王连, 智凌岩. 基于Design Exploration方法对铁路下导风工程关键设计参数的优化[J]. 中国沙漠, 2018, 38(6): 1193-1199.
[15]	金莉莉, 李振杰, 何清, 刘永强, 买买提艾力·买买提依明, 辛渝. CoLM模式对塔克拉玛干沙漠北缘陆面过程模拟评估及修正[J]. 中国沙漠, 2018, 38(6): 1287-1302.