2015年5月大气环流和天气分析

对2015年3—5月T639、ECMWF（文中简称EC）及日本数值模式中期预报产品进行了检验和对比。结果表明：三个模式对亚洲中高纬地区大尺度环流和850 hPa温度的演变和调整均具有较好的预报性能,EC模式对西风指数、850 hPa温度转折过程和变化幅度的预报略优于其他两个模式。对2015年3月31日至4月1日北方地区强沙尘暴天气过程的主要影响天气系统,三个模式预报能力相当,121 h时效都较好地预报出了地面冷高压,但强度和范围与实况有一定偏差。     

龙门山甘溪地区泥盆系碳酸盐与陆源碎屑混合沉积特征

结合地质剖面和薄片鉴定结果等资料,对龙门山地区泥盆纪埃姆斯期—吉维特早期混合沉积的岩石学特征、沉积特征、沉积相类型进行详细分析。基于研究区陆源碎屑沉积和碳酸盐沉积的2种相模式,总结了各类混合沉积的产出部位、沉积特征,归纳出龙门山地区甘溪泥盆系的混合沉积相模式,认为主控因素是由区域母源性质、构造作用、相对海平面变化等因素构成。     

CMIP5多模式集合对南亚大河气候变化模拟评估及未来情景预估

利用英国东英格利亚大学CRU(Climatic Research Unit)逐月气温、日本高分辨率亚洲陆地降水数据集APHRODITE(Asian Precipitation-Highly-Resolved Observational Data IntegrationTowards Evaluation)逐日降水资料以及耦合模式比较计划CMIP5(Coupled Model Intercomparison Project phase 5)多模式集合逐月气温、降水格点数据,评估了CMIP5多模式集合对包括印度河、恒河、湄公河、萨尔温江、伊洛瓦底江和布拉马普特拉河全区域(简称南亚大河流域)气候变化的模拟能力,并对流域2016—2035、2046—2065和2081—2100年气候变化可能趋势进行了预估。结果表明:CMIP5多模式集合对流域年平均气温的时间变化和空间分布特征有较强的模拟能力,时间空间相关系数都达到0.01的显著性水平,尤其对夏季气温的模拟要优于其他季节;对降水而言,模式对其也有较好的模拟能力,尤其是降水的季节性波动。预估结果表明:RCP2.6、4.5、8.5情景下,相对于基准期(1986—2005年),21世纪前期(2016—2035年)、中期(2046—2065年)和末期(2081—2100年)全流域年平均气温都有上升,且上升增幅随排放情景增大而增大,流域高海拔地区增幅较大;降水除21世纪前期RCP4.5、8.5情景下的增长趋势较小外,全流域年降水量都将增大;未来上述三段时期夏季持续升温将引起北部高海拔地区冰川的进一步消融;春季降水未来将持续增加,对全区水资源的贡献将增加;流域冬季降水的少量增加有助冰川累积和高海拔地区水资源的增加;三段时期夏季降水都有增长,洪涝发生的风险加大,极端降水事件可能增多。     

不动产信息共享与查询服务模式的探讨

随着不动产登记工作的不断深入和完善,信息系统在不动产登记中的应用已经扩展到整个工作全过程,要保持各部门协调联动,保持不动产登记信息化之间及与横向相关部门信息化之间的紧密衔接,确保信息实时互通共享,消除"信息孤岛",就必须建设共享查询分析系统。旨在探讨不动产共享与查询的服务模式,进而促进不动产登记信息更加完备、准确、可靠,保证不动产交易安全。     

不同边界层参数化方案在中国西南地区东部高分辨率气候模拟中的敏感性研究

为了进一步评估和提高区域模式对西南地区东部高分辨率气候的模拟能力,利用 WRF模式,采用 多种边界层参数化方案（下称“不同方案”）对西南地区东部 1998—2019年夏季降水和气温进行双重嵌套模拟 （外层为D01,内层为D02）。对比不同方案模拟结果表明：多年平均降水量在D01中基本为湿偏差;D02中在四 川盆地和重庆低海拔地区为干偏差,湿偏差主要位于贵州和重庆的城口、石柱和武隆一带的地形复杂区;总体 上D01中ACM2方案误差最小,D02中MYJ方案误差最小。对多年平均气温的模拟在D01中除了四川盆地一 带为暖偏差外其余大部地区基本为冷偏差,D02 中大部地区为暖偏差;总体上 D01 和 D02 中 MYJ方案误差最 小,YSU方案最大。对于降水量和平均气温年际变化的模拟技巧在D01和D02中相对较高的地区均集中在重 庆中西部和湖北大部地区;降水量总体为 YSU 方案最高,MYJ 方案最低;平均气温总体为 MYJ 方案最高, ACM2方案最低。因此,提升模式分辨率至对流尺度后对不同气象要素模拟技巧最优的方案存在差异,需根据 业务情况选择适合本地的参数化方案。     

基于情境感知和序列模式挖掘的气象学习资源推荐算法

随着互联网的快速发展,气象部门职工作为学习者可以获得的学习资源得到极大丰富。信息超载导致检索合适的在线学习资源时遇到了困难;学习者在不同学习环境和序列访问模式上也有不同的学习需求。但是,现有的推荐系统,如基于内容的推荐和协同过滤,没有结合学习者的情境和序列访问模式,推荐结果准确度不高。本文提出了一种结合情境感知、序列模式挖掘和协同过滤算法的混合推荐算法来为学习者推荐学习资源。混合推荐算法中,情境感知被用来整合学习者的情境信息,如知识水平和学习目标;序列模式挖掘被用来对网络日志进行挖掘,发现学习者的序列访问模式;协同过滤被用来根据学习者的情境数据和序列访问模式为目标学习者计算预测并生成建议。实验和应用效果表明,该混合推荐算法推荐的质量和准确性方面优于其他推荐算法。     

发展节能省地环保型住宅意义重大——访国家发改委环境与资源保护司副司长李静

我国发展节能省地环保型住宅已有多年,成效如何?未来趋势又如何?近日国家发改委环境与资源保护司副司长李静接受本刊记者采访时谈了许多相关的政策和意见。     

对高职院校水工专业学生培养模式的思考

随着我国水利工程建设速度的不断加快,水工专业人才缺口也逐步增大,本文就结合高职院校水工专业学生的培养模式问题进行阐述。