ECMWF和HALOE平流层温度资料对比

利用ECMWF和HALOE资料,分析了1991~2002年两种资料中温度垂直廓线、平方差水平分布,并通过线性趋势分析方法分析了平流层不同高度温度变化趋势的差异.研究结果表明：在中低纬度地区,10 hPa以下两种资料中温度垂直廓线非常吻合;10~2 hPa高度,HALOE资料中温度比ECMWF资料中温度要高;1 hPa高度上,两种资料也有比较小的差异.在南北半球的中高纬度地区,温度的差异比较明显,整个平流层中,HALOE资料中温度比ECMWF资料中温度要高.平流层中温度的水平分布差异随着高度而增大.中低纬度地区温度差异相对较小,南北半球50°以上地区差异比较大.在平流层的中低层100 hPa、50 hPa和10 hPa高度,两种资料中温度的变化趋势一致,但是HALOE资料中温度的递减趋势要更明显.在平流层高层2 hPa,1996年后两种资料中温度的变化趋势相反.本研究将为平流层温度研究的资料选择提供一定的依据.     

遥感混合蚀变信息在辽西等地矿产调查中的应用

采用数字图像增强技术,对遥感影像进行增强处理,提取控矿构造和地层信息;运用比值逻辑乘运算提取混合矿化蚀变信息;结合控矿构造和地层信息,选择三者吻合度较好的区域,圈定了矿化蚀变异常区域.野外调查证实,部分蚀变异常区与铁矿采区吻合较好,并见多处含金矿化石英细脉.     

一个冰盖近表层热传输模式及其对南极Dome A的温度模拟

根据南极大陆冰盖近表层的物理模型设计了一个垂直一维的冰盖近表层能量传输模式, 采取合理简化的物理过程参数化方案并构造一套完整的数值求解方法, 实现了对冰盖表面及近表层内能量传输过程的数值模拟. 利用最新获取的东南极高原Dome A自动站的气象观测资料, 通过计算冰盖表面能量通量作为模式上边界条件驱动模式求解冰盖表面及近表层内温度的季节变化过程, 将模式模拟结果与4个观测深度(0.1, 1, 3和10 m)的雪冰层温度进行了对比检验, 取得了与观测较为一致的季节变化过程, 并能够揭示出比观测更为细致的冰盖近表层内温度垂直分布结构及其季节变化特征. 通过模式结果分析得到的冰盖表面能量平衡特征表明: 1) 冰盖表面能量平衡全年主要表现为负的净辐射与正的感热通量之间的平衡, 季节差异显著; 2) 冰气相互作用机制主要是大气以感热形式输送给冰盖, 并在春季显著增强. 因Dome A特殊的地理位置, 研究结果对南极高原内陆中心地区具有较好的代表意义.     

南极长城站(1985—2008)和中山站(1989—2008)风和降水等要素的气候特征

利用南极长城站和中山站的降水、风、湿度、气压和云量等高质量的地面气象观测资料,对两站基本气候特征和变化趋势进行了分析。结果显示,长城站年降水量为503mm,年际变化呈减少趋势,变化速率为-27mm/10a。长城站和中山站年降水日数均呈下降趋势,变化速率分别为-2.9d/10a和-12.1d/10a。长城站和中山站年平均相对湿度分别为88%和58%。长城站年平均湿度总体上呈不明显下降趋势,中山站没有趋势。长城站盛行风向为西北风,中山站为偏东风,年平均风速分别为7.3m/s和7.1m/s。两站年平均风速呈减小趋势,变化速率分别为-0.09m/s/10a和-0.23m/s/10a。长城站平均大风日数为137d,记录的极大风速为37.2m/s。中山站平均大风日159d,记录的极大风速为50.3m/s。长城站和中山站年平均气压分别为990hPa和985hPa,变化速率分别为0.65hPa/10a和-0.80hPa/10a。其变化趋势相反,并与两站风速和大风日数及降水日数的变化倾向基本相同。长城站和中山站月平均云量分别为8.8和6.2,其差异显示了两站所处气候带的特点,即长城站地区全年阴天多、云量大,中山站则与此相反。     

南极长城站_1985_2008_和中山站_1989_2008_地面温度变化

利用长城站1985-2008年和中山站1989-2008年逐月气温资料,分析了两站短期气候特征及其变化趋势,评估了两站地面温度观测资料的代表性。结果表明,长城站和别林斯高晋站同期的年平均温度均为-2.1℃,温度趋势变化速率分别为0.27℃/10a.和0.33℃/10a,呈现出南极半岛具有明显的气候变暖趋势。中山站和戴维斯站的同期温度变化速率分别为0.12℃/10a.和0.07℃/10a,显示的气候变暖趋势不明显。两站温度变化趋势与邻近站相比基本相似,表明两站观测的温度资料具有南极乔治王岛和东南极沿岸区的代表性。长城站四季平均气温都呈上升趋势,且秋季增温速率最大,冬季次之,其它季节不明显。中山站春季和冬季具有降温趋势,秋季和夏季具有升温倾向,其中以秋季升温趋势和冬季降温趋势最为显著。     

吉林西部大安灌区土壤贮水能力空间变异特征及土壤水分有效性

为研究吉林西部土壤贮水能力的空间分布特征和水分有效性,以吉林西部大安灌区为研究对象,通过试验测定土壤贮水量及根系区土壤的水分特征曲线,并利用van Genuchten模型进行水分特征曲线拟合,结合经典统计和地统计分析方法分析土壤贮水量空间变异特征。结果表明:盐碱土和非盐碱土吸持贮水量、滞留贮水量和饱和贮水量的均值之间不存在显著性差异(P0.05),实际贮水量均值存在显著差异(P0.05);土壤实际贮水量呈现由西向东、由北向南逐渐升高的变化趋势,且南北方向的空间变异性均高于东西方向的空间变异性;轻度盐碱地、水田和旱田实际有效含水量分别占其最大有效含水量的78.94%、58.28%和56.62%,水分有效性较高,蔬菜地、高粱地、草甸土以及中度和重度盐碱土实际有效含水量占其最大有效含水量的20.83%27.13%,土壤水分有效性较小;水田、轻度和中度盐碱地的贮水和持水能力强,旱田和蔬菜地土壤贮水能力较强,持水能力中等,而重度盐碱地、高粱地、草甸土等土壤的持贮水能力较弱。研究结果对旱改水工程水资源管理和预防次生盐渍化有重要意义。     

余水位时变统计规律分析及水位预报方法改进

论证了余水位提取对选用潮高模型的依赖性,以验潮站实测数据分析计算了余水位的时域统计规律和空间统计规律。实验结果表明,以协因数为技术指标,余水位具有较明显的时空相似性或一致性特征。基于余水位统计特性和配置原理,设计了未来时段水位预报的改进方法,并以实验数据验证了方法的有效性。     

辽东地区硼矿床成因探讨与硼矿远景区预测

辽东地区硼矿赋存于以"含硼岩系"而著称的辽河群里尔峪(岩)组中,表现出明显的地层岩性控矿性.在广泛搜集前人有关硼矿研究成果的基础上,结合丹东市1/25万区调,对本区硼矿成因进行了较深入的研究,认为本区硼矿是混合岩化成矿-构造再次富集的层控型矿床.进而对硼矿成矿远景区进行了预测,共划分A、B、C三级预测区,A级1处,B级3处,C级3处,为今后硼矿找寻、立项提供了科学的依据.     

辽北“辽河群”解体及其层位归属

辽北“辽河群”极为复杂,对其划分方案存在诸多分岐.实际上辽北“辽河群”除由不同时代地层组成以外,尚包含少量二叠纪的超基性岩、花岗质糜棱岩、闪长质糜棱岩.笔者在野外研究的基础上,对辽北“辽河群”进行解体,原则上不另建新的地层单位,“是谁归谁”,共划分了新元古代红透山岩组、中元古代三岔子群、新元古代西保安岩组和奥陶纪下二台群4个地层单位.     

Experiment of near surface layer parameters in ice camp over Arctic Ocean

Estimates of near surface layer parameters over 78°N drifting ice in ice camp over the Arctic ocean are made using bulk transfer methods with the data from the experiments operated by the Chinese Arctic Scientific Expedition in August 22-September 3,2003.The results show that the net radiation received by the snow surface is only 3.6 W/m2,among which the main part transported into atmosphere in term of sensible heat and latent heat,which account for 52% and 31% respectively,and less part being transported to deep ice in the conductive process.The bulk transfer coefficient of momentum is about 1.16×10-3 in the near neutral layer,which is a little smaller than that obtained over 75°N drifting ice.However,to compare with the results observed over 75°N drifting ice over the Arctic Ocean in 1999,it can be found that the thermodynamic and momentum of interactions between sea and air are significant different with latitudes,concentration and the scale of sea ice.It is very important on considering the effect of sea-air-ice interaction over the Arctic Ocean when studying climate modeling.