未来黄、东海营养盐浓度变化情景预测

本文基于FGOALS(Flexible Global Ocean-Atmosphere-Land System model)对未来气候情景的预测结果,结合千年生态评估的未来两个情景下的河流营养盐载荷特征,利用黄、东海水动力模型和生态模型并采用降尺度的方法对未来黄、东海营养盐的分布特征进行情景预测。结果表明,两个情景下未来河口邻近海区营养盐浓度将显著增加,富营养化加剧;GO(Global Orchestration)情景下,河流无机氮载荷增幅较大,夏季黄海中部无机氮浓度明显升高;AM(Adapting mosaic)情景下,由于河流无机磷载荷增幅较大,海区氮磷比有所下降,夏季黄海中部表层无机氮浓度降低,而在底层升高。通过敏感性实验并结合收支分析对各海区水动力条件未来变化、河流载荷变化的相对贡献进行了评估:相对于水温和水动力环境改变,河流营养盐排放量的增长是未来营养盐浓度增加的主要原因。营养盐收支分析表明,未来对流和混合输运的变化有助于黄海营养盐浓度的增加,夏季生物量升高造成更多碎屑沉降并在底层矿化使得层化季节冷水团底部营养盐浓度增长;长江口邻近海区营养盐浓度增长主要受冲淡水羽流的影响;净初级生产增加加剧了营养盐的消耗。     

在Zebiak-Cane模式中观测MJO强迫对ENSO可预报性的影响, 第1部分:对最大预报误差的影响

With the observational wind data and the Zebiak-Cane model, the impact of Madden-Julian Oscillation (MJO) as external forcing on El Ni(n)o–Southern Oscillation (ENSO) predictability is studied. The obs...     

黄、渤海冷空气海浪场的集合预报试验

利用欧洲集合天气预报系统51个预报风场驱动SWAN海浪模式,对黄、渤海2013年12月-2014年2月期间受冷空气影响的海浪场进行数值模拟试验,并利用浮标观测资料对海浪集合预报结果进行初步检验分析,结果显示:从逐时平均偏差结果可知,24h预报时效内集合平均与控制预报性能相近,48~72h预报时效内,集合平均明显优于控制预报,但均比实况偏小;集合分位值(75、90百分位值和极端值)明显优于集合平均,且预报时效越长,优势越明显,集合预报极端值与实况相当或略偏大;从逐24h平均偏差结果可知,集合分位值(75、90百分位值和极端值)比集合平均和控制预报更接近实况。总的分析表明:集合分位值(75、90百分位值和极端值)对受冷空气影响的海浪场具有较强的分辨能力,可以提高对海浪场的预报水平,且有较好的应用潜力。     

海洋初始状态对预报2002/03年中太平洋型厄尔尼诺事件的作用

2002/03年厄尔尼诺事件,是暖海温中心出现在赤道中太平洋区域的一种新型厄尔尼诺,即中太平洋型厄尔尼诺。本文基于一个厄尔尼诺预测系统,利用三组回报试验来详细区分海洋表层和次表层初始状态对预报2002/03年中太平洋型厄尔尼诺事件的作用,并由此来探寻对预报厄尔尼诺演变过程最有利的初始条件。回报试验分为三组:(1)仅同化海表温度观测(sea surface temperature;简称SST)来优化海洋表层初始状态(Assim_SST);(2)仅同化海表高度观测(sea level;简称SL)来更新海洋次表层初始状态(Assim_SL);(3)同时同化SST和SL观测来一起更新海洋表层和次表层初始状态(Assim_SST+SL)。回报试验结果表明,三种不同的初始条件都可以使模式提前一年成功地预报2002/03年厄尔尼诺事件,并且"Assim_SST+SL"回报试验的效果最好。三组回报试验结果间的对比表明:海洋表层和次表层初始状态均对成功地预报该事件有重要作用,但其作用分别集中在事件发展的不同阶段。精确的海洋表层初始状态更容易激发模式预报出一次厄尔尼诺事件,而更合理的海洋次表层初始状态则能有效地提高厄尔尼诺事件预报的强度。     

海洋能源获取、传输与管理综述

海洋能源获取、传输与管理是实现海洋透明化的关键技术。以能源获取的方式进行分类调研,分析探讨国内外海洋能源的获取、传输与能源管理方法,以及各个方式的优缺点,并对能源获取、传输与管理进行核心技术分解,对比我国研究现状得出各个技术与国外现有差距,预测我国在该技术领域的未来发展趋势。     

һ�ֻ���Ƶ�׷�����AR�����Ķ������ӳ�Ԥ��ģ��

?????????????????????ZTD????????????????????￡???????????????????????????????????????????????ZTD???????????????????????????ZTD???н?????????????????????????????????????????ZTD?????????????б????????????????????????в???AR?????и???????????????????????????????AR??????ZTD??????????????????????????μ??????????cm????     

利用SVM与ARIMA组合模型进行大坝变形预测

由于大坝位移时间序列数据受各种复杂因素的影响,具有非平稳和非线性等特征,因此,利用传统、单一的时间序列预测模型较难准确地描述大坝位移变形的复杂规律。综合考虑大坝位移时间序列非线性和线性特征,本文提出了一种SVM和ARIMA相结合的时间序列预测模型。将大坝变形的时间序列分为非线性部分和线性部分。针对非线性部分,利用SVM进行滚动预测,并与NAR动态神经网络进行对比,试验表明SVM处理非线性问题具有相对的优势;针对线性部分,通过ARIMA模型对其进行单步滚动预测,综合两项预测结果得到组合模型的预测值。结合大坝实测资料对组合模型进行检验,试验结果表明,SVM-ARIMA组合模型的预测精度高,能更好地描述大坝位移的变化趋势,具有一定的实用价值。     

基于遥感影像的青海省环境变化监测

本文通过对遥感影像的分析,针对土地利用及植被变化情况,利用优化的K-means算法对青海省环境变化进行检测,以此对土地的利用进行合理的规划,以期实现可持续发展。同时将试验结果与外业实际结果及当地政策规划进行比对,结果显示文中算法对土地的变化和未来走势预测准确率超过75%,从而验证了监测方法的可行性。这不仅保证了在经济发展的同时能够合理地使用土地资源,而且能对环境进行有效的保护。     

Seasonal prediction of June rainfall over South China: Model assessment and statistical downscaling

The performances of various dynamical models from the Asia-Pacific Economic Cooperation(APEC) Climate Center(APCC) multi-model ensemble(MME) in predicting station-scale rainfall in South China(SC) in June were evaluated.It was found that the MME mean of model hindcasts can skillfully predict the June rainfall anomaly averaged over the SC domain.This could be related to the MME's ability in capturing the observed linkages between SC rainfall and atmospheric large-scale circulation anomalies in the Indo-Pacific region.Further assessment of station-scale June rainfall prediction based on direct model output(DMO) over 97 stations in SC revealed that the MME mean outperforms each individual model.However,poor prediction abilities in some in-land and southeastern SC stations are apparent in the MME mean and in a number of models.In order to improve the performance at those stations with poor DMO prediction skill,a station-based statistical downscaling scheme was constructed and applied to the individual and MME mean hindcast runs.For several models,this scheme can outperform DMO at more than 30 stations,because it can tap into the abilities of the models in capturing the anomalous Indo-Paciric circulation to which SC rainfall is considerably sensitive.Therefore,enhanced rainfall prediction abilities in these models should make them more useful for disaster preparedness and mitigation purposes.