宇宙黎明和再电离时期低频全天总功率探测实验现状

宇宙黎明和再电离时期探测是目前宇宙学最前沿科学研究方向之一.对这一时期的直接探测只能依赖于观测来自这一时期红移后的中性氢21 cm信号,其3种主要探测方式之一是21 cm信号全天总功率测量.在此回顾已有和正在计划中的探测宇宙黎明和再电离时期的低频全天总功率测量实验及其进展,包括地面射电望远镜如BIGHORNS¹、EDGES²、LACE³、LEDA⁴、MIST⁵、REACH⁶、SARAS⁷ 3、SCI-HI⁸、PRI^ZM⁹以及空间低频总功率相关实验如DARE¹⁰、DAPPER¹¹、FARSIDE¹²、鸿蒙计划.其中, EDGES实验是目前唯一声称观测到疑似宇宙黎明信号的实验,然而其实验结果与标准宇宙学模型(Λ Cold Dark Matter,ΛCDM)有不符之处.如果该探测结果被证实,那么这将是人类第1次...     

陆相层序地层学进展

陆相层序地层学是层序地层学发展的一个重要方向.由于陆相地层的特点,其与海相层序地层相比具有特殊性.本文从层序的控制因素、层序界面、基准面、体系域与沉积体系的发育、层序地层与模拟技术和全球对比意义等方面回顾了陆相层序地层学的进展并讨论了陆相层序地层学的特点。     

试论未来极端气候事件发展趋势的不确定性

极端气候事件是在一定时间尺度上发生的不同于气候系统平均状态的气候突变.早第三纪的最热事件（PETM）,第四纪中国黄土高原古土壤S4、S5记录的暖湿事件,砂黄土L9、L15记录的干冷事件等都是在轨道时间尺度上发生的极端气候事件.末次冰消期的YD冷事件、全新世9次冷事件是在千—百年尺度上发生的极端气候事件.这些极端气候事件出现于地球气候系统不同的冷暖背景下,它们的成因机制和表现形式有很多不确定性.20世纪以来发生的干旱、洪水、飓风、雪灾、沙尘暴等极端气候事件,无法用持续增加的温室气体的变化来解释.关于极端气候事件发生频率和强度随＂全球变暖＂而增加的结论也存在一定程度的不确定性.因此,简单地将现代极端气候事件统统归因于＂气候变暖＂既不科学也不合理.深入研究各个时间尺度上发生的极端气候事件的波动性、周期性和不确定性特征,有助于科学预测未来气候变化背景下极端气候事件的发展趋势.     

中国湖泊分布与变化：全国尺度遥感监测研究进展与新编目

湖泊提供重要的生产生活用水,在维系生态安全方面发挥显著的价值。中国地理环境复杂多样,湖泊类型各异,不同湖区间的湖泊时空变化特征及驱动机制复杂。两次全国湖泊调查是国家尺度的湖泊变化监测的开创性工作,近年来伴随遥感数据源的海量积累和湖泊遥感提取方法的快速发展,大尺度湖泊水体变化遥感监测研究取得了长足的发展。然而,由于人工判读、湖泊类型判别依据和遥感数据源时相的差异,湖泊水体遥感提取结果及面积估算存在不同程度的出入。首先,本文总结了现有全国尺度湖泊监测研究的遥感数据源、方法和结果,分析了不同研究分析结果差异的可能原因。其次,本文基于1980s—2010s时段Landsat影像制图的湖泊水淹频率数据集的最大水域范围信息,提取并生成了全国湖泊新编目,以其作为该时段内湖泊判定和水体变化监测空间约束的统一参照,避免了因遥感数据时相与年际、年内湖泊水域范围波动对遥感提取结果及湖泊面积计算带来的差异。最后,本文从湖泊水淹范围频度的统计角度,初次提出了可体现湖泊面积年内与年际变化情况的统计指标——概率等效面积,用于监测和指示湖泊水域动态。结果表明,近30年来,中国有3741个最大水域范围大于1 km²的湖泊,总面积约93723 km²,其中青藏高原湖区的湖泊数量约占全国三分之一,总面积超过了全国的一半。全国湖泊总面积呈显著上升趋势,不同湖区的变化趋势差异明显:青藏高原湖区和新疆湖区湖泊面积显著上升,东部平原湖区、内蒙古高原湖区和云贵高原湖区显著下降,东北平原与山地湖区波动式变化、趋势不显著。研究结果总体表明中国湖泊水资源的时空不平衡状况在加剧。     

遥感分景数据的剖分索引模型

随着空间技术和对地观测技术的飞速发展,海量遥感影像索引成为目前国内外学术界和应用部门面临的一大难题,地球剖分系统的产生为这一难题的解决开辟了新的途径。本文首先研究了遥感分景数据的特征和EMD全球剖分的特征,然后针对现有遥感影像数据索引方法的不足,提出了基于EMD剖分系统的三种索引模型：基于影像一面片映射关系的索引模型、基于EMD数据模型的索引和剖分数据标识索引模型,从三个不同的方面探讨了解决索引问题的方法和思路。并给出了利用遥感分景数据的剖分索引模型对线状对象和面状对象进行索引应用的实例。遥感分景数据的剖分索引模型的建立为遥感影像数据的高效存储和索引提供了一种有益的新思路。     

基于VisIt的全球科学数据并行可视化——以大气温度场为例

针对当前大规模全球科学数据可视化中存在的单机可视化数据量有限、从底层开发并行可视化系统难度大等问题,该文基于分布式环境和VisIt,提出了一种简便、开放而又有效的大规模全球科学数据可视化方法.介绍了VisIt的体系结构及运行机制,给出了自定义数据的并行可视化方法;并基于NCEP数据集及全球空间格网,在小规模集群环境下实现了小粒度适应性球体退化八叉树格网(SDOG)下的全球大气温度场的并行可视化.VisIt的并行可视化性能测试结果表明:通过增加计算节点,VisIt能有效摆脱传统单机可视化对数据量的限制,可实现大规模全球科学数据的并行可视化.     

全球温升1.5℃和2.0℃情景下中国降雨诱发地质灾害危险性和人口暴露度评估研究

气候变化情景下极端降水事件的频次和强度预估呈增加趋势,这会导致全球部分地区极端降雨诱发地质灾害风险的增加。本文基于中国降雨诱发地质灾害易发性模型和不同地貌分区的累积事件降雨量-降雨历时阈值曲线,采用最新的CMIP6全球气候模式多模式集合结果,基于全球温升目标情景的视角,从地质灾害空间易发性和发生频次两方面,探讨温升情景下中国地质灾害危险性的可能变化及其对暴露人口的潜在影响。结果表明,CMIP6多模式集合预估的多年平均降水在温升1.5℃和2.0℃情景下相比基准时期可能增加5.4%～9.5%,导致中等至极高地质灾害易发区范围预估增加0.33%～0.74%,由于预估的极端降水事件增加,地质灾害发生频次预估增加7.0%～11.2%,进一步综合未来人口空间分布,潜在地质灾害暴露人口可能增加6.20亿人次（18.90%）和4.26亿人次（12.97%）。各地貌分区未来情景下地质灾害危险性预估增加且存在显著的空间异质性,温升2.0℃情景下中等至极高易发性范围相比基准时期增加0.71%～1.28%,地质灾害发生频次预估增加1.2%～15.6%,其中,青藏高原区地质灾害危险性增加最明显。综合考虑未来人口...     

基于广义回归神经网络的全球表层海水1°×1°二氧化碳分压数据推演

表层海水二氧化碳分压是评估海洋碳源汇强度的关键参数,但其实测数据较少、时空分布极不均匀,导致二氧化碳交换通量的估算有很大的不确定性,海洋源汇特征就不能确切获取。为了解决这个难题,在收集的表层大洋二氧化碳地图(Surface Ocean CO₂ Atlas,SOCAT)实测数据集基础上,运用广义回归神经网络建立二氧化碳分压与经纬度、时间、温度、盐度和叶绿素浓度间的非线性关系,构建了1998-2018年间全球1°×1°经纬度的表层海水二氧化碳分压格点数据,其标准误差为16.93μatm,平均相对误差为2.97%,优于现有研究中的前反馈神经网络、自组织映射神经网络和机器学习算法等方法。根据构建的数据所绘制的全球表层海水二氧化碳分压的分布与现有研究有较好的一致性。     

Trends of Regional Precipitation and Their Control Mechanisms during 1979–2013

Trends in precipitation are critical to water resources. Considerable uncertainty remains concerning the trends of regional precipitation in response to global warming and their controlling mechanisms. Here, we use an interannual difference method to derive trends of regional precipitation from GPCP(Global Precipitation Climatology Project) data and MERRA(ModernEra Retrospective Analysis for Research and Applications) reanalysis in the near-global domain of 60?S–60?N during a major global warming period of 1979–2013. We find that trends of regional annual precipitation are primarily driven by changes in the top 30% heavy precipitation events, which in turn are controlled by changes in precipitable water in response to global warming, i.e., by thermodynamic processes. Significant drying trends are found in most parts of the U.S. and eastern Canada,the Middle East, and eastern South America, while significant increases in precipitation occur in northern Australia, southern Africa, western India and western China. In addition, as the climate warms there are extensive enhancements and expansions of the three major tropical precipitation centers–the Maritime Continent, Central America, and tropical Africa–leading to the observed widening of Hadley cells and a significant strengthening of the global hydrological cycle.     

Using Statistical Downscaling to Quantify the GCM-Related Uncertainty in Regional Climate Change Scenarios： A Case Study of Swedish Precipitation

There are a number of sources of uncertainty in regional climate change scenarios. When statistical downscaling is used to obtain regional climate change scenarios, the uncertainty may originate from the uncertainties in the global climate models used, the skill of the statistical model, and the forcing scenarios applied to the global climate model. The uncertainty associated with global climate models can be evaluated by examining the differences in the predictors and in the downscaled climate change scenarios based on a set of different global climate models. When standardized global climate model simulations such as the second phase of the Coupled Model Intercomparison Project （CMIP2） are used, the difference in the downscaled variables mainly reflects differences in the climate models and the natural variability in the simulated climates. It is proposed that the spread of the estimates can be taken as a measure of the uncertainty associated with global climate models. The proposed method is applied to the estimation of global-climate-model-related uncertainty in regional precipitation change scenarios in Sweden. Results from statistical downscaling based on 17 global climate models show that there is an overall increase in annual precipitation all over Sweden although a considerable spread of the changes in the precipitation exists. The general increase can be attributed to the increased large-scale precipitation and the enhanced westerly wind. The estimated uncertainty is nearly independent of region. However, there is a seasonal dependence. The estimates for winter show the highest level of confidence, while the estimates for summer show the least.