新一代区域海-气-浪耦合台风预报系统

依托国家重点基础研究（973）计划项目"上层海洋对台风的响应和调制机理研究",中国气象局上海台风研究所联合国家海洋局的相关单位,通过实施近海台风的外场观测科学试验、加强台风边界层（特别是海气相互作用）物理过程诊断分析及参数化方案等的研究,建立并改进了台风强度预报的海-气-浪耦合预报模式系统,并在此基础上发展了台风强度的集合预报技术,在历史典型台风个例和2016-2017年台汛期的业务化测试中表现出良好的预报性能。     

2DVAR方法在台湾海峡海表流场融合中的应用

高频地波雷达可以提供沿岸大面积海表流的观测,但单个地波雷达只能提供径向流观测。本研究发展了一套二维变分(Two-Dimensional VARiational Method, 2DVAR)数据融合方法,将台湾海峡海域的地波雷达径向流数据与ROMS (Regional Ocean Model System)模式输出结果进行融合,得到一套较好的融合产品。结果显示,融合产品与雷达径向流的平均相对误差相较于模式输出与雷达径向流的平均相对误差由9.70%降低至1.54%。为进一步检验融合方法,设计了两种独立样本试验。试验一将雷达径向流按空间均匀划分为融合样本与独立样本,使用雷达融合样本与模式输出进行融合,此时融合结果的平均均方根误差(Root Mean Square Error, RMSE)相较于模式输出由0.41 m/s降低至0.19 m/s。试验二将雷达径向流和模式输出在空间上都均匀划分为融合样本与独立样本,对两种数据的融合样本进行融合,使用TC (Triple Collocation)方法估计模式输出、雷达观测与融合结果的误差方差,此时融合结果的平均误差方差最小,且其误差方差相对于独立的雷达径向流与模式输出在远岸处有明显减小。以上结果都表明融合数据更加接近实际海流,证明了2DVAR方法融合海表流的有效性。     

广西涠洲岛滨海湿地潮下带海草、红树林与互花米草的分布和群落结构特征

系统报道了广西涠洲岛的潮下带海草、红树林以及互花米草的分布和群落结构特征.2019—2020年的调查结果表明,涠洲岛海草分布于南湾西侧,紧邻珊瑚礁区,面积4246 m2,为潮下带的生长形式,海草种类仅见卵叶喜盐草(Halophila ovalis);真红树植物有6种[红海榄(Rhizophora stylosa)、海漆...     

备用采样点对汉中地震台水氡观测影响分析

以汉中地震台两个水氡采样点为实验对象,通过对比观测得出主用备用两个采样点同日氡值及水温,分析差异原因。分析结果表明,备用采样点观测结果会对本台水氡观测产生直接影响,增加了数据分析的不确定性,并影响观测结果的连续性。     

东帝汶海MD98-2172岩芯磁记录与还原成岩作用过程

MD98-2172岩芯位于印度尼西亚穿越流的帝汶通道上.多参数的岩石磁学测量结果表明,该岩芯的磁性矿物组合很好地记录了海洋沉积物中的还原成岩作用过程:0～3.85 m段岩芯以亚铁磁性准单畴(PSD)磁铁矿为主,其含量和粒度基本不随深度而变,受还原成岩作用的影响不明显;3.85～5.35 m段岩芯也以PSD磁铁矿为主,但其含量随深度的增加而快速减少,粒度随深度的增加而变粗,或粗粒磁铁矿的相对含量随深度的增加而增多,处于铁氧化物还原阶段;5.35～15.00 m层段以顺磁性颗粒为主,并出现黄铁矿,处于硫酸盐还原阶段.     

论新疆中天山成矿带成矿作用与成矿系列

天山沉积建造多样,地质构造复杂,岩浆活动频繁,成矿地质条件优越,是中国有色金属、贵金属的重要成矿带。在收集和研究中天山那拉提-巴伦台-星星峡成矿带地质、矿产成果资料基础上,系统总结了区域地质特征、成矿类型、时空分布规律,认为石炭纪、中元古代、二叠纪为中天山主要成矿期,以岩浆热液型、矽卡岩型、受变质型3种矿床类型为主要矿床类型;其中以卡瓦布拉克-星星峡Ⅳ级矿带成矿强度最高。厘定出矿床系列组6个、矿床成矿系列33个,认为那拉提-巴伦台-星星峡古生代构造旋回所发育的成矿系列是最重要成矿系列,表现出以岩浆成矿作用为主,沉积作用为辅的成矿特征。指出中天山存在：前寒武纪成矿演化阶段、早古生代(加里东期)成矿演化阶段、晚古生代(华力西期)成矿演化阶段、中生代成矿演化阶段、新生代成矿演化阶段5个构造-成矿的演化阶段;从成矿演化的时空序列,构建了中天山成矿带时空演化区域成矿模式,为区域铁、铅锌、钨等重要矿产勘查提供借鉴。     

基于遥感数据和表层声速的全海深声速剖面反演

海洋声速剖面严重影响着水下声传播特性,近实时地获取声速剖面对水下声通信、水下定位、鱼群探测等都有重要意义。单经验正交函数回归（single Empirical Orthogonal Function regression,sEOF-r）方法通过建立声速剖面的经验正交系数与海面遥感数据之间的线性回归关系来反演声速剖面。但是,海洋是一个复杂的动力系统,声速与海面遥感数据并不是简单的线性关系,因此,本文基于Argo历史网格数据,通过自组织映射（Self-Organizing Map,SOM）生成海平面高度异常（Sea Level Anomaly,SLA）、海表面温度（Sea Surface Temperature,SST）等海表遥感数据以及表层声速仪测量的表层声速与声速剖面异常之间的非线性映射;然后利用近实时的海表遥感数据和表层声速反演三维海洋声速场。声速剖面反演的结果表明,在多源信息融合的优势下,本文方法的反演性能最稳定且精度最高,声速剖面的平均反演精度比经典sEOF-r方法提高约2 m/s,比未考虑表层声速的经典SOM方法提高约1 m/s。     

不同台风合成风场方案在南海的适用性研究

我国南海地区常受台风侵扰,台风场是研究台风浪灾害以及风暴增水灾害的必要条件之一。因遥感风场存在台风大风圈附近风速明显偏小的问题,所以在台风场相关研究中,多采用台风模型风场和背景风场相结合的方式——即合成风场。本文选取南海相关研究中常用的3种台风场模型,对比其特点,并采用NECP CFSR作为背景风场,将合成风场和实际观测风速进行对比,结果显示在南海地区采用Jelesnianski模型得出的风场和实际风场吻合度最好,建议在该风场基础上考虑南海的地理特殊性,进行台风场模型的改进。     

全球百年海表面温度年际和年代际变化特征分析

利用100 a(1903—2002年)HadiSST的逐月资料,将全球海表面温度异常(SSTA)作为整体进行经验正交函数分解(EOF分解),提取了控制各大洋SSTA的主导模态和各大洋之间的联合模态,分析了相应的空间分布和时间序列。研究结果表明:SSTA变化最剧烈的海区是赤道中东太平洋、西北大西洋湾流海区和北太平洋黑潮延伸体海区。热带太平洋厄尔尼诺和南方涛动是主导模态并具有2~7 a周期的年际变化;SSTA变化第二主模态和第三主模态都是以大约70 a为周期的年代际变化为主的跨大洋联合模态。第二主模态的空间分布主要表现为中纬度北太平洋和北大西洋反位相、热带太平洋与大西洋反位相的太平洋-大西洋双偶极子型分布。SSTA变化的第三模态主要呈现南北半球海洋反位相的特征,为北太平洋-北大西洋-南大洋联合模态。第四模态基本上是反映各个不同海域特有的局地海洋-大气相互作用模态,该模态的时间序列具有1~4 a周期的年际变化和约9 a周期的年代际变化。     

Dominant climate factors influencing the Arctic runoff and association between the Arctic runoff and sea ice

By using the Arctic runoff data from R-ArcticNET V4.0 and ArcticRIMS, trends of four major rivers flowing into the Arctic Ocean, whose climate factor plays an important role in determining the variability of the Arctic runoff, are investigated. The results show that for the past 30 years, the trend of the Arctic runoff is seasonally dependent. There is a significant trend in spring and winter and a significant decreasing trend in summer, leading to the reduced seasonal cycle. In spring, surface air temperature is the dominant factor influencing the four rivers. In summer, precipitation is the most important factor for Lena and Mackenzie, while snow cover is the most important factor for Yenisei and Ob. For Mackenzie, atmospheric circulation does play an important role for all the seasons, which is not the case for the Eurasian rivers. The authors further discuss the relationships between the Arctic runoff and sea ice. Significant negative correlation is found at the mouth of the rivers into the Arctic Ocean in spring, while significant positive correlation is observed just at the north of the mouths of the rivers into the Arctic in summer. In addition, each river has different relationship with sea ice in the eastern Greenland Sea.