����̨ˮ�¡�ˮ��쳣���봨8.0�������ϵ̽��

???????8.0???????????????????????????????н?1 800???????????????????o??????????????????????????????????????????????8.0???????й??     

气象监测数据的时空特征分析与建模

尝试对美国爱荷华州东部66个气象观测站1951～2000年的月均最低气温数据进行时空特征分析和建模。将时空数据分解为时空趋势和时空残差两部分,使用非线性时间序列模型模拟气温的时空趋势,分析模型参数和残差的时空特征,探索时空数据建模方法。案例研究表明研究区域内所有站点的时间序列特征较一致,可采用一个趋势性和周期性模型表达。同时残差部分具有一定的时空自相关特征,建议开发一个简单方法进行时空数据插值。     

EXERCISE IN DOWNSCALING ON SEA SURFACE TEMPERATURE ALONG CHINESE COAST

ＩＮＴＲＯＤＵＣＴＩＯＮＴｈｅｍｏｎｓｏｏｎｈａｓａｃｉｒｃｕｌａｔｉｏｎｆｅａｔｕｒｅｔｈａｔｉｓｐｌａｎｅｔａｒｙｉｎｓｃａｌｅａｎｄａｎｉｄｅｎｔｉｆｉａｂｌｅｓｉｇｎａｌｒｅｇａｒｄｉｎｇｉｔｓｓｕｂｓｅｑｕｅｎｔｉｎｔｅｎｓｉｔｙｓｏｍｅｎｉｎｅｍｏｎｔｈｓｐｒｉｏｒｔｏｔｈｅａｃｔｉｖｅｓｔａｇｅｏｆｔｈｅｓｕｍｍｅｒｍｏｎｓｏｏｎ(ＷｅｂｓｔｅｒａｎｄＹａｎｇ,1992).Ｆｕｒｔｈｅｒｍｏｒｅ,ｔｈｅｍａｇｎｉｔｕｄｅｏｆｔｈｅｍｏｎｓｏｏｎｖａｒｉａｂｉｌｉｔｙｉｓｓｕｂｓｔａｎｔｉａ…     

近42年雅鲁藏布江中游四季气温变化特征分析

利用 1957～ 1998年雅鲁藏布江中游拉萨、日喀则、泽当、江孜 4个站各月平均气温资料 ,通过线性趋势估计和多项式函数拟合分析了该流域春、夏、秋、冬 4季气温长期趋势变化和周期变化 ,并利用滑动T检验等方法讨论了气温突变的问题。结果表明 :在过去 4 2年里 ,雅鲁藏布江中游地区各季气温均有明显的上升趋势 ,其中冬春季增温显著 ,80年代初沿江四季气温除秋季外都出现了明显的增温突变     

“源-汇”景观格局的热岛效应研究——以武汉市为例

论文基于2017年Landsat 8遥感影像,通过GIS技术选取城市地表温度、源汇景观密度、源汇景观贡献度和景观效应指数,结合地理空间分析和数理统计方法,分析了武汉市局部源汇景观格局对城市地表温度的贡献及其效应。结果表明：① 武汉市城区热岛(urban heat island, UHI)季节变化明显,夏季热岛强度大、范围广,呈“大”字型分布,工业集聚区和经济开发区产生的UHI更显著;② 武汉市城区平均地表温度(land surface temperature, LST)在距市中心约8 km处达到峰值后沿城乡梯度逐渐下降,呈现“倒钩型”特征,这一现象与景观密度变化密切相关;③ LST与源(正向)、汇(负向)景观密度存在极强相关性,不透水表面是城区热岛的主要贡献因子;④ 相同密度的水体和绿地,水体更具有削弱城市热岛效应的功能;⑤ 一般当汇-源景观面积比>0.89(汇区密度>0.47)时,局部景观格局对城市热岛有缓解作用,且局部汇区越集中缓解效果越显著。     

A comprehensive analysis of phenological changes in forest vegetation of the Funiu Mountains,China

Journal of Geographical Sciences - This paper reports the phenological response of forest vegetation to climate change (changes in temperature and precipitation) based on Moderate Resolution...     

基于傅里叶级数的中国沿海地区Tm模型精化研究

本文采用中国沿海地区13个探空站2010~2014年实测地表温度T_s与平均温度T_m数据,利用傅里叶级数分析法精化中国沿海地区T_m模型,并将2015年探空站实测T_m数据与精化模型进行对比检验。结果表明,精化模型在T_m探测方面具有更高的计算精度,其计算大气可降水量的误差概率分布趋近于正态分布,具有较强的稳定性。     

基于共轭梯度搜索的病态问题处理方法

在最小二乘平差准则基础上,把病态平差问题转化为无约束的二次规划问题,并利用优化理论分析病态对平差解的影响。通过共轭梯度搜索算法在可行域中寻找最优步长因子,自动寻找最速下降方向,并给出迭代初值的设置方法。分析近似计算中病态问题与局部最优解的关系,讨论局部最优解的快速迭代方法,并通过实例验证算法的有效性,计算迭代的速度。由于整个过程没有对法方程系数矩阵进行求逆计算,该算法可用于处理大规模系数矩阵高病态的平差问题。     

基于GPT2w模型化加权平均温度反演可降水量

提出一种基于GPT2w模型化加权平均温度反演大气可降水量的方法,并分析附加系统偏差改正的模型化加权平均温度对可降水量的影响。结果表明,基于GPT2w模型化加权平均温度反演的大气可降水量的精度与基于Bevis公式计算的加权平均温度反演的大气可降水量的精度相当;对GPT2w模型化加权平均温度进行系统偏差改正后,大气可降水量的精度有一定改善,但改善率不到1%。     

Transition Periods Between Sea Ice Concentration and Sea Surface Air Temperature in the Arctic Revealed by an Abnormal Running Correlation

This study used the synthetic running correlation coefficient calculation method to calculate the running correlation coefficients between the daily sea ice concentration(SIC) and sea surface air temperature(SSAT) in the Beaufort-Chukchi-East Siberian-Laptev Sea(BCEL Sea), Kara Sea and southern Chukchi Sea, with an aim to understand and measure the seasonally occurring changes in the Arctic climate system. The similarities and differences among these three regions were also discussed. There are periods in spring and autumn when the changes in SIC and SSAT are not synchronized, which is a result of the seasonally occurring variation in the climate system. These periods are referred to as transition periods. Spring transition periods can be found in all three regions, and the start and end dates of these periods have advancing trends. The multiyear average duration of the spring transition periods in the BCEL Sea, Kara Sea and southern Chukchi Sea is 74 days, 57 days and 34 days, respectively. In autumn, transition periods exist in only the southern Chukchi Sea, with a multiyear average duration of only 16 days. Moreover, in the Kara Sea, positive correlation events can be found in some years, which are caused by weather time scale processes.