GPS/BDS分类组合定位的指数加权Helmert方差分量估计法

针对北斗卫星导航系统（BDS）星座结构复杂、不同类型卫星观测值残差差异较大的不利条件,将BDS系统中IGSO、MEO、GEO 3种卫星的观测值进行分类定权,提出一种顾及历史权比的指数加权Helmert方差分量估计法来精确确定不同系统之间观测值的权阵。为了验证该方法在GPS/BDS组合定位中的有效性,采用单点定位模型分别进行静态和动态导航实验,并将其定位结果与等权模型以及不考虑指数加权的Helmert方差分量估计方法进行对比。结果表明,采用改进的加权方法,在东、北、天3个方向的定位精度均获得显著提高,在静态条件下,相对于等权模型,改进方法3个方向的定位精度提高幅度分别达到50.0%、51.0%和42.0%;在动态条件下,定位精度提高幅度分别为10.0%、8.0%和9.0%。特别在卫星数量较少、卫星几何图形强度较差时,定位结果的改善效果更为明显。     

区域海气耦合模式FROALS模拟的西北太平洋环流及其年际变率

本文利用区域海气耦合模式FROALS(Flexible Regional Ocean-Atmosphere-Land System)对西北太平洋地区1984-2007年连续积分结果,对比SODA(Simple Ocean Data Assimilation)同化资料讨论了西北太平洋海表温度和表层洋流的气候态及年际变率。结果表明,FROALS基本能够再现冬、夏季季节平均的海温型,但均存在一个明显的冷偏差;FROALS对气候平均态的表层洋流有较高的模拟技巧,对于冬、夏季的表层洋流型都能够再现。另外,表层洋流的模拟偏差与海表高度的模拟偏差直接相关。由于模式模拟的黑潮热输送较观测偏强,使得模式模拟的海洋热输送倾向于使黑潮路径上的海温呈现正偏差。从表层洋流的年际变率来看,模式模拟的与ENSO(El Nio-South Oscillation)相联系的年际变率信号与观测相似:在El Nio年,北赤道流和棉兰老流增强,低纬度西太平洋海表高度降低,而在La Nia年则呈现出相反的形态,但是在模式中这种信号稍强于观测。     

深度学习支持下的丘陵山区耕地高分辨率遥感信息分区分层提取方法

耕地是丘陵山区稀缺的土地资源,具有地形条件复杂、种植结构多样的特点,导致了山地耕地信息难以快速、准确获取,并且基于传统的遥感数据及遥感监测方法开展山区耕地信息快速自动提取比较困难。针对这一问题,本文以西南山区贵州省息烽县作为试验区,根据地理空间异质性特征,提出分区控制、分层提取的耕地形态信息提取思路,构建了一种地貌单元约束条件下的分区分层耕地形态信息的提取方法。该方法首先根据地貌-植被特征将试验区划分为平坝区、山坡区、林草区3类地理分区;然后在每类分区基础上,根据耕地所呈现的视觉特征划分为不同的类型,对不同类型的耕地分别设计不同的深度学习模型进行分层提取。试验结果证明,该方法对山区复杂地形背景噪声具有较好的抑制作用,所提取的耕地地块信息相比于传统方法更符合实际耕地的实际分布形态,有效地减少了漏提率和错提率。     

影响夏季西北太平洋副热带高压年际变率的关键海区及影响机制

西北太平洋副热带高压(西太副高)是影响东亚夏季气候的主要环流系统,其年际变率受热带多个海区的海-气相互作用过程的调控。为明确影响夏季西太副高的关键海区及其影响机制,在总结最近十余年来相关研究进展的基础上,归纳出影响夏季西太副高年际变率的5个关键海区,包括赤道中东太平洋、热带印度洋、副热带西北太平洋、海洋大陆附近海区以及热带大西洋。阐述了这5个关键海区的海温异常影响西太副高年际变率的机制,并探讨了5个关键海区海温异常的形成机制。围绕夏季西太副高的年际变率,回顾了当前气候模式的模拟和预测研究的现状。最后,提出了本领域亟待解决的关键科学问题,展望未来可能的研究热点。     

参加CMIP5的四个中国气候模式模拟的东亚冬季风年际变率

本文比较了中国参加“国际耦合模式比较计划”（CMIP5）的四个大气环流模式（即FGOALS-g2、FGOALS-s2、BCC-CSM1-1、BNU-ESM大气模式）在观测海温驱动下,对东亚冬季风（EAWM）气候态和年际变率的模拟能力。结果表明,在气候态上,四个模式均合理再现了EAWM高低层环流系统（包括低层西伯利亚高压（SH）、阿留申低压、异常偏北风、和中高层东亚大槽、西风急流）,其中对2 m气温和500 hPa高度场的模拟技巧最高,四个模式模拟的结果与再分析资料的空间相关系数都达到0.99。在年际变率上,分别对东亚北部地区（30°N～60°N,100°E～140°E）和东亚南部地区（0°～30°N,100°E～140°E）的2 m气温进行经验正交函数分解（EOF）,提取变率主导模态。结果表明,在东亚北部地区,四个模式对2 m气温第一模态（简称“北部型”）的空间分布均有很高的模拟技巧,但只有BNU-ESM能够较好再现其对应的年际变率,其模拟的时间序列与观测的相关系数为0.69。四个模式均能模拟出观测中的3.1 a主导周期,但只有FGOALS-s2和BNU-ESM能模拟出观测中的2.5 a主导周期。在东亚南部地区,模式模拟的前两个主模态共同解释观测中第一模态（简称“南部型”）的特征,其中FGOALS-g2、FGOALS-s2和BNU-ESM的综合模拟技巧较高,但只有BNU-ESM成功再现了观测中2.5 a和3.1 a的主导周期。机理分析表明,FGOALS-g2、FGOALS-s2、BNU-ESM三个模式能合理再现菲律宾海反气旋,同时对南部型有较高的模拟能力,而BCC-CSM1-1则未能有效再现菲律宾海反气旋,使得 BCC-CSM1-1对南部型模拟技巧较低。观测和四个模式模拟的结果一致表现出北极涛动（AO）与北部型PC1呈显著相关,影响大于SH。     

Variability of Atlantic Meridional Overturning Circulation in FGOALS-g2简

The variability of Atlantic Meridional Overturning Circulation （AMOC） in the pre-industrial control experiment of the Flexible Global Ocean-Atmosphere-Land System model, Grid-point Version 2 （FGOALS-g2） was investigated using the model outputs with the most stable state in a 512-yr time window from the total 1500-yr period of the experiment. The period of AMOC in FGOALS-g2 is double peaked at 20 and 32 years according to the power spectrum, and 22 years according to an auto-correlation analysis, which shows very obvious decadal variability. Like many other coupled climate models, the decadal variability of AMOC in FGOALS-g2 is closely related to the convection that occurs in the Labrador Sea region. Deep convection in the Labrador Sea in FGOALS-g2 leads the AMOC maximum by 3-4 years. The contributions of thermal and haline effects to the variability of the convection in three different regions [the Labrador, Irminger and Greenland-Iceland- Norwegian （GIN） Seas] were analyzed for FGOALS-g2. The variability of convection in the Labrador and Irminger Seas is thermally dominant, while that in the colder GIN Seas can be mainly attributed to salinity changes due to the lower thermal expansion. By comparing the simulation results from FGOALS-g2 and 11 other models, it was found that AMOC variability can be attributed to salinity changes for longer periods （longer than 35 years） and to temperature changes for shorter periods.     

Chinese Contribution to CMIP5：An Overview of Five Chinese Models’Performances

An overview of Chinese contribution to Coupled Model Intercomparison Project-Phase 5 （CMIP5） is presented. The performances of five Chinese Climate/Earth System Models that participated in the CMIP5 pro ject are assessed in the context of climate mean states, seasonal cycle, intraseasonal oscillation, interan-nual variability, interdecadal variability, global monsoon, Asian-Australian monsoon, 20th-century historical climate simulation, climate change pro jection, and climate sensitivity. Both the strengths and weaknesses of the models are evaluated. The models generally show reasonable performances in simulating sea surface tem-perature （SST） mean state, seasonal cycle, spatial patterns of Madden-Julian oscillation （MJO） amplitude and tropical cyclone Genesis Potential Index （GPI）, global monsoon precipitation pattern, El Ni-no-Southern Oscillation （ENSO）, and Pacific Decadal Oscillation （PDO） related SST anomalies. However, the perfor-mances of the models in simulating the time periods, amplitude, and phase locking of ENSO, PDO time periods, GPI magnitude, MJO propagation, magnitude of SST seasonal cycle, northwestern Pacific mon-soon and North American monsoon domains, as well as the skill of large-scale Asian monsoon precipitation need to be improved. The model performances in simulating the time evolution and spatial pattern of the 20th-century global warming and the future change under representative concentration pathways pro jection are compared to the multimodel ensemble of CMIP5 models. The model discrepancies in terms of climate sensitivity are also discussed.     

地理图斑智能计算及模式挖掘方法研究

在大数据时代,高分辨率对地观测技术实现了对地球表层地理现象和地理过程最为真实、量化、全面覆盖又快速更新的数据化记录,可为地理空间认知研究的新发展奠定时空信息聚合与挖掘计算的基准。地理图斑是影像空间映射到地理空间中对于地理实体的抽象化表达,是构建地理场景和承载地理空间各类信息进而开展模式挖掘的最小单元。本文以地理图斑为基本对象,通过分析其中视觉模拟、符号推测等几类机器学习的协同计算机制,从空间、时间与属性等维度构建了集“分区分层感知”、“时空协同反演”、“多粒度决策”三者于一体的地理图斑智能计算模型,并以在贵州息烽县、广西江州区开展的农业种植结构制图与规划决策为应用案例,探索了地理图斑分布、生长以及功能3种模式的挖掘方法,并进一步设计了动态视角下开展图斑动力模式挖掘的研究思路。     

Erratum to: Understanding and building upon pioneering work of Nobel Prize in Physics 2021 laureates Syukuro Manabe and Klaus Hasselmann: From greenhouse effect to Earth system science and beyond

Science China Earth Sciences -