一、Definition of Arctic and Antarctic Sea Ice Variation Index(论文文献综述)
梁爽[1](2021)在《极地海冰密集度和厚度遥感反演方法研究》文中研究指明海冰不仅是冰冻圈重要的组成要素,同时也是极区气候系统的重要调节器和全球气候变化的敏感因子。诸多研究表明,海冰对大气、生态、环境、海洋以及人类活动等各个方面都具有重要影响。因此,监测极区海冰参数并获取其时空分布信息具有重要的科学价值和实际意义。海冰密集度和海冰厚度是分别表征海冰在“水平方向”和“垂直方向”变化特征的两个重要海冰参量。相比传统海冰密集度和海冰厚度测量方法,遥感覆盖范围广,可实现大范围的持续观测,是进行海冰密集度和海冰厚度时空监测的有效手段。因此,开展海冰密集度和海冰厚遥感反演方法研究对于获取和理解极区海冰时空分布特征及变化趋势具有重要意义。本论文以南北极为研究区域,针对目前被动微波遥感海冰密集度反演方法的不足以及最新发射的ICESat-2激光高度计,分别开展海冰密集度和海冰厚度遥感反演方法研究工作,并应用其进行极地区域海冰密集度及海冰范围的时空变化研究。论文的主要研究内容和结论包括以下四个方面:(1)对国际上主流的被动微波海冰密集度产品进行了全面的精度评价和一致性评估。首先利用高分辨率遥感影像(MODIS)对主流的被动微波海冰密集度算法(NT2、BT、ASI算法)生产的海冰密集度产品(SSMIS/ASI、AMSR2/BT及我国的FY3B/NT2和FY3C/NT2产品)进行了精度评价。其次,选择与被动微波海冰密集度时空分辨率相近的ERA-Interim再分析海冰密集度数据集,对不同算法的海冰密集度产品进行了长时序、全极区的一致性评估。最后,总结了各种主流的海冰密集度产品(算法)在极区的表现与误差时空分布特征,并提出相应的解决方案,为后续新发展的海冰密集度融合算法打下了基础。(2)针对不同被动微波海冰密集度算法的误差特征,提出了被动微波海冰密集度融合新方法。通过对目前国际主流的被动微波海冰密集度产品在南北极地区的一致性评估发现,现有海冰密集度产品在南北极海冰边缘区和夏季时期误差较大,其中ASI算法和BT算法整体表现最优且分别在北极与南极地区表现最好。因此选择以ASI算法与BT算法为基准算法,针对两者在南北极海冰边缘区和夏季时期具有相反的低高估偏差特征,对两者进行有效融合,消除偏差的影响,形成新的海冰密集度融合算法。利用2012-2014年中国雪龙号南北极科考的船基观测数据验证表明新算法反演的海冰密集度精度优于ASI和BT算法,在北极的均方根误差(RMSE)为9.55%,南极的RMSE为11.37%,同时新算法反演的海冰密集度能够很好的捕捉海冰密集度的动态变化趋势,在南北极的决定系数R2值均在0.8以上,可实现高精度、长时序的极区海冰密集度产品生产。(3)系统分析了近20年南北极地区海冰密集度、海冰面积和范围的时空变化。基于本论文发展的新的海冰密集度融合算法,结合AMSR-E和AMSR2多通道辐射计亮温数据,生成了2002-2020年的长时序日尺度海冰密集度产品。在此基础上从不同的时间尺度(年、季、月)分析了南北极及其子区域海冰密集度、海冰面积和范围的时空分布及变化趋势。结果表明整体上南北极地区年均海冰密集度在21世纪均表现出减少趋势。其中北极海冰减少趋势较南极更为明显,尤其以巴伦支海和卡拉海海冰减少最为显着。研究结果进一步揭示了极地区域海冰变化的特征,有助于进一步理解全球变暖大背景下,极地海冰的变化规律以及南极和北极海冰变化的异同。(4)探讨了不同参数组合方案对基于ICESat-2激光高度计的北极地区海冰厚度反演结果的影响。现有基于高度计的海冰厚度获取方法主要基于静力平衡方程,在估算过程中,不同的积雪厚度、积雪密度及海冰密度输入方案对海冰厚度反演结果的不确定性具有较大影响。论文首先分析了ICESat-2激光高度计2018-2019年及2019-2020年两个冬季获取的北极地区海冰干舷空间分布及月均海冰干舷的时间变化。然后,开展了不同积雪厚度、积雪密度和海冰密度总计18种参数组合方案对ICESat-2激光高度计海冰厚度反演结果的比较工作,分析了一年冰和多年冰区域的参数化方案反演结果的差异。最后,基于ICEBird航空观测数据对不同方案的ICESat-2轨道海冰厚度反演结果进行了对比,采取优选方案,绘制了2020年冬季北极地区ICESat-2海冰厚度空间分布,并与三种公开发布的Cryo Sat-2海冰厚度(AWI、CMOP和GSFC)进行了对比分析,结果表明ICESat-2反演的海冰厚度与AWI、CMOP和GSFC海冰厚度的平均偏差分别为-0.15 m、-0.26 m和-0.13 m。
王云鹤[2](2020)在《南极冬季云量异常对海冰变化调控研究》文中研究表明与以往不同,南极海冰自2014年以来波动增大,多次降至历史低点。海冰的快速变化,可引起气-海间的热量和水汽交换异常,进而造成云、大气及海洋环境的异常。而云辐射对地表的能量收支起重要作用,将加深或减弱大气与海洋环境异常。在极地环境剧烈变化的背景下,极地海冰和气候预报成为了当今环境保护、社会安全和经济发展的需要。然而,因人们对云在极地大气系统中的角色及过程认识不清,导致模型的模拟结果与观测值间存在明显误差。针对该问题,本文探究了南极冬季云对海冰的短期和长期调控机制。冬季云对海冰的短期强迫研究,主要以探究2011年冬季南极云对海冰的强迫,及对2012年夏季海冰范围的贡献量为例。结果表明,冬季云量异常与大尺度大气环流相关的垂向运动及径向平流吻合较好,说明2011年冬季云负异常可能是由气压系统异常造成的。南极上空少云,地表长波辐射则会大量穿过云层释放到太空,使地表因热量流失而降温、结冰,使得海冰厚度增加、面积增大。这些面积大且厚的海冰抵抗融化的能力增强,尽管后面经历一系列的海冰漂流,但到次年夏季仍有大量海冰存留下来,使夏季海冰呈现正异常。在云对海冰季节尺度上的调控机理研究基础上,本文进一步探究了南极冬季云对海冰长期耦合机制。结果证明了大气强迫海冰有两个途径:一是在对流层低层,大气可以通过大尺度大气环流,对海冰直接进行动力和热力强迫。大尺度大气环流以风的形式对海冰进行动力驱动,也可以通过携带冷暖空气,使海冰生消。二是通过云辐射对海冰强迫。南极冬季,影响海冰的大尺度大气环流主要受Wave-3和SAM控制。随着高度的增加,大气环流受Wave-3控制越强。在对流层低层,受Wave-3和SAM共同控制的大尺度大气环流,决定着风向和携带气体的暖湿属性,与南极和安第斯山地形的共同影响下,形成了与海冰变化相位相同的低层云异常场。此低层云异常场对地表的辐射影响,会在一定程度上减弱大尺度大气环流对海冰的直接影响。对流层中高层,云的形成主要受Wave-3控制的大气环流调控,径向输送和垂向运动的共同作用,产生中云异常。而云模态对地表的辐射影响,促进了低层大尺度大气环流对海冰的直接强迫。这项研究首次揭示了对流层不同高度层的云量,在影响海冰分布中所起的不同作用。基于云对海冰的调控机理探究,发现云对海冰有着显着的辐射影响,且海冰对这种辐射影响具有较好的记录,在南极多个海域都有体现。另外,强的云异常对海冰的强迫痕迹可保留季节尺度的时间。说明,云具有较好的预报海冰潜能。因此,本文最后尝试设计了线性马尔科夫海冰预报模型。以不同高度的云量和气候因子(包括位势高度、径向风、纬向风和气温)及海冰自身,定义南极气候的状态,并以这些变量的多元经验正交函数,作为模型的组成部分。以交叉验证的方式评价模型的预测能力,并进行一系列敏感性实验,最终确定最佳模型。虽然这种统计模型不能像热动力耦合模型那样对自然进行仿真,这种线性统计模型具有较好的实用价值和应用空间。在极地气候剧变的背景下。我们理解和定量模拟云-气-海冰耦合过程及反馈的能力,对于极地地区海冰、天气及气候模拟及预报具有极高的参考价值。
张超[3](2020)在《El Ni?o衰亡后连续二次La Ni?a的成因及其影响研究》文中进行了进一步梳理自1970年以来,在全球增暖背景下,ENSO表现出很多与以往不同的特征。其中一个特征是:在El Ni?o衰亡后的连续两个北半球冬季,会发生两次La Ni?a,即在第一个冬季发生并形成一个成熟的La Ni?a(1stLa Ni?a),该事件先衰减,后再次发展,在第二个冬季又形成一次成熟的La Ni?a(2ndLa Ni?a)。目前,2ndLa Ni?a的成因及其气候影响尚不完全清楚。本研究基于多套数据,探讨了2ndLa Ni?a的触发机制,分析了其对全球降水、气温(SAT)以及海冰(SIC)的影响,并与1stLa Ni?a进行了对比。此外,还分析了20142016年全球连续最暖的成因,期间发生了强El Ni?o及随后的二次La Ni?a事件。论文的主要结果总结如下:1)自1980年以来,有5次El Nino(1982/1983、1997/1998、2006/2007、2009/2010及2015/2016)衰亡后,发生1stLa Ni?a和2ndLa Ni?a。相较于首先出现的1stLa Ni?a,在2ndLa Ni?a期间,热带中东太平洋负海表温度异常(SSTA)和对应的对流活动异常强度均较小。在2ndLa Ni?a发展年,次表层海温(SOT)异常无明显东移;而在1stLa Ni?a发展年,负SOT异常出现在赤道西太平洋,随后向东移动并逐渐增强。此外,在2ndLa Ni?a期间,赤道东印度洋-赤道西太平洋暖池区无明显SSTA信号,对流活动较弱,而在1stLa Ni?a发展年秋季次年春季,该区域存在正SSTA,对流活动较强。2)在2ndLa Ni?a发展年,赤道中太平洋存在持续东风异常。它可能是2ndLa Ni?a关键触发因子。持续东风异常的形成与热带印度洋、热带大西洋快速增暖,赤道东太平洋Walker环流下沉支被动增强有关。这一机制在2000年之后的个例中表现得特别明显。相比之下,在2000年之前,热带印度洋和热带大西洋增温不明显,赤道太平洋暖水体积偏小是激发2ndLa Ni?a的主导因素。3)2ndLa Ni?a对全球降水存在显着影响,与1stLa Ni?a类似。它不仅调节Walker环流影响热带降水,还可激发Rossby波列影响南、北半球中高纬。对热带海洋降水的影响比1stLa Ni?a弱,对热带陆地降水的影响表现出地域、季节差异性。它有利同期秋季(911月)澳大利亚西部降水、非洲热带东海岸等地区降水偏多,而1stLa Ni?a则有利于澳大利亚东部降水偏多,上述非洲地区降水偏少。此外,2ndLa Ni?a还有利中南半岛到中国中部秋季降水偏多,主要是通过激发西北太平洋异常反气旋(WNP)来实现。相比之下,1stLa Ni?a激发的WNP位置偏东,因而对中南半岛及我国中部无影响。2ndLa Ni?a增强同期东亚冬季风,抑制暖湿空气向北输送,使得欧亚大陆南部降水偏少,与1stLa Ni?a类似。此外,2ndLa Ni?a也可导致美国南部秋季降水偏少、冬季(122月)南美东北部(中东部)降水偏多(偏少)。4)2ndLa Ni?a对全球气温也有显着影响。它激发向北极传播的Rossby波列,增强定常波涡旋热通量及向下的长波(LW)辐射,有利北极升温。在秋季,它导致欧亚大陆中部、北美大陆大部分以及南美部分区域出现SAT正异常,但强度小于1stLa Ni?a。在冬季,与1stLa Ni?a显着不同,2ndLa Ni?a对应欧亚大陆西北部(中东部)强位势高度正(负)异常,东亚冬季风强,低层强反气旋性环流异常出现在西伯利亚西部。反气旋东侧的东北风异常有利于冷空气向南入侵,有利欧亚大陆中部SAT降低。而在1stLa Ni?a期间,欧亚大陆大部受弱正位势高度异常控制,东亚冬季风偏弱,无有明显SAT异常。5)2ndLa Ni?a对海冰也有显着影响。就北极地区(北冰洋)而言,秋季它导致巴伦支海-喀拉海-拉普捷夫海西部(BKL海)和楚科齐海-波弗特海中西部(CB海)海冰显着减少。机制上,它激发Rossby波列,在BK海产生一个反气旋性环流异常(BK反气旋)。该反气旋西侧的南风和北侧西风异常将北大西洋-北海与斯堪德那维亚半岛的暖湿空气向东北输送,既直接加热BKL海上空大气,也增强向下的LW辐射,两种作用都有利BKL海冰减少。它对CB海海冰减少的影响过程也类似。1stLa Ni?a的影响与2ndLa Ni?a基本相似,只是反气旋的位置偏东、偏北,以致于巴伦支海海冰减少相对不明显。对南极(南大洋)而言,它有利同期秋季(911月)罗斯海东部-阿蒙森海西部海冰增多。机制上,它激发一支向南传播的拱形波列(PSA),在阿蒙森海-别林斯高晋海产生一个气旋性环流异常(ABS气旋),加深阿蒙森低压。气旋西侧南风异常将近岸海冰向北输送,有利罗斯海-阿蒙森海海冰北扩增多。该南风异常也将南极冷空气向北输送,降低海表温度,导致海冰增多。与此对应,东侧的北风异常将低纬的暖空气和暖海水向南输送,使海冰减少。与之相比,1stLa Ni?a激发的ABS气旋东侧北风异常的影响更大,使得别林斯高晋海到南极半岛海冰减少更明显,因而与罗斯海中东部-阿蒙森海西部的海冰增多在一起,形成一个东西偶极分布型。6)20142016年全球年平均SAT连续破纪录。利用集合经验模态分解(EEMD)对这三年的SAT进行尺度分析表明,与ENSO有关的年际尺度分量贡献很小,远远小于年代际-多年代际(DM)时间尺度及长期趋势的贡献,后者是导致3年连续最暖的主因。北半球冬半年陆地SAT异常解释了全球年均SAT异常的大部分,其DM方差的一半以上可由AMO、NAO和PDO解释。当PDO、NAO位相在2013年左右由负转正,再叠加长期增暖趋势时,就形成了这3个最暖年。这也说明了这3年的增暖是一种由增暖停滞到快速恢复的年代际转折信号。
王华曌[4](2020)在《全球海冰模拟误差变化与归因研究》文中进行了进一步梳理本文首先利用三个版本CICE进行了长期历史模拟,并从绝对误差、累计误差和多年冰季节冰误差等多个角度定量分析了它们的误差的特征。之后利用最新版本的CICE6.0从冰-气界面参数、海冰内部温盐参数和冰-海界面参数三个方面研究了CICE6.0的误差成因,并利用蒙特卡洛取样对CICE6.0的模拟结果进行了优化。最后,分析了CMIP6中各模式对全球海冰密集度的模拟能力,并定量研究了CMIP6中各模式模拟误差的时空分布特征。其结论如下:首先,定量分析了三个版本CICE模拟误差的特征,结果表明:全球海冰密集度的模拟误差与海冰密集度存在一定的线性关系,且南北极的海陆分布差异明显影响了不同海底深度及离岸距离处的海冰模拟误差。总的来说,模拟误差呈现出明显的增加趋势,且北极的增加趋势明显快于南极。就累计误差而言,全球海冰总面积的季节变化存在两个峰值,其中CICE4.0和CICE5.0上半年累计误差的峰值出现在2~3月,同时下半年在8~9月间,且它们上半年的峰值在向3月移动,而下半年的峰值在向8月移动;而CICE6.0在北极的峰值与另外两个版本较一致,但其在南极的波动较大。我们着重关注了多年冰和季节冰的模拟误差,三个版本CICE模拟出的北极季节冰和多年冰的误差都在增加,而南极季节冰和多年冰的误差却在减少,且CICE5.0对全球多年冰的模拟明显优于其他版本。同时三个版本CICE模拟出的全球季节冰和多年冰误差都在海冰密集度较大的区域为正值,而在密集度较小的区域为负值。其次,利用CICE6.0海冰模式进行敏感性试验从而研究海冰模拟模拟误差的来源并对CICE6.0进行多参数优化,研究结果表面:冰-气界面参数主要影响夏季的模拟误差,且其在北极的巴伦支海、中央海区的大西洋扇区和南极的威德尔海、太平洋扇区等海域的影响较大。海冰内部盐度参数的影响也主要出现在夏季,空间上主要影响北极中央海区的大西洋扇区,而其在南极的影响主要位于大西洋扇区和印度洋扇区;同时海冰内部温度参数对北极海冰总面的影响在全年都有体现,而在南极其影响主要在8月至次年3月,同时热传导参数在空间上的影响主要位于北极的中央海区的大西洋扇区、楚科奇海、波弗特海和南极的威德尔海和罗斯海等海域。冰-海界面参数基本上对全年海冰总面积的模拟误差都存在影响,同时在空间上主要影响北极的东格陵兰海、巴芬湾、巴伦支海、白令海和鄂霍茨克海等海域,而对南极洲周围的海域内的模拟误差都存在影响,且没有明显的大值中心。最后,通过评估25个CMIP6气候系统模式对北极海冰的模拟能力,发现Had GEMS-GC31-MM和MPI-ESM-1-2-HAM两个模式对北极的模拟结果最好,而ACCESS-ESM1-5对南极的模拟是最优的。CMIP6中各模式模拟出的北极海冰的误差存在明显的空间不均匀性,且其与极地的海冰密集度和离岸距离存在明显的关系。其中在东格陵兰海、巴伦支海、白令海和鄂霍茨克海存在明显的正值中心,而其他边缘海和中央海区主要为负误差;就南极而言,主要存在模拟偏少的情况。通过对误差的趋势分析,我们发现,各模式模拟出的北极过多的情况得到了缓解,但是模拟出的南极偏少的情况却越来越严重。
姜顺雨[5](2020)在《采用Liang-Kleeman信息流方法和CAM4.0模式对多源强迫气候效应的研究》文中研究表明气候的变化与人类的生产生活息息相关,而以二氧化碳为代表的大气温室气体的浓度、海面温度、冰覆盖率、土地覆盖类型等因子的变化均可能对全球的气候产生影响。直接的观测中包含着所有这些强迫因子所产生的不确定气候效应,无法将每个强迫因子的气候效应区分开。本文采用Liang-Kleeman信息流方法给出了观测中以上各强迫因子与全球各区域内气温之间的因果关系,证明了其它强迫因子对于气温的影响具有和二氧化碳浓度变化同等重要的作用,同时研究结果指出欧亚和北美大陆是气温对于所有强迫因子响应最显着的区域,并利用CAM4.0模式设计了一系列数值试验对这一结论进行了模拟验证。研究结果表明,东亚和北美地区的2米气温场同时受净短波辐射变化的直接影响和大气动力过程的间接作用。其中,2浓度的升高导致冬季亚洲部分地区的净短波辐射增加,而北美地区减少;以森林减少和农田大量增加为特征的土地覆盖变化导致地表反照率增加,从而辐射减少;冰覆盖面积的减少使反照率降低,因此在高纬度地区净短波辐射增加;海温变化产生的辐射变化较为复杂,冬季北美中部地区增加,亚洲中部增加南部减少,欧洲则在冬季和夏季均呈下降趋势。除了辐射变化所带来的直接影响外,大气动力过程对温度的调整作用也不可忽视。在冬季,土地覆盖类型、二氧化碳浓度、海温以及冰覆盖率的变化都会导致太平洋-北美型遥相关(PNA)出现正位相型的高度场异常,带来北美地区的显着降温;而2浓度和冰覆盖率的变化则由于引起北大西洋涛动(NAO)负位相型高度场异常的出现,导致了欧洲地区的冷冬现象。在夏季,土地覆盖类型、二氧化碳浓度、海温以及冰覆盖率的变化所引起的北极涛动(AO)正位相型高度场异常的出现,导致了北半球整体偏暖。由于以上大气动力过程的存在,数值试验中土地覆盖类型、二氧化碳浓度、海温以及冰覆盖率的变化均使得从海洋吹向东亚大陆的海风增强,东亚区域内大气水汽含量增多,可降水量增加,从而导致了东亚夏季降水的增加。但是,2浓度的单独变化却使得东亚区域30°N附近产生明显的下沉气流,并导致该区域降水减少。以上研究揭示了各个强迫因子气候影响的“电容器效应”,并证明了两极的冰覆盖率变化会导致欧洲和北美地区出现冷冬现象,但正如已有观测证明北极南极冰覆盖情况存在不同的时空变化特征,而有关两极地区的冰覆盖变化所导致的气候效应对比却没有明确的结论。因此,本文进一步计算了南、北极冰覆盖率各自与气温的信息流,发现南极冰覆盖率的变化对北半球(特别是东亚与北美地区)气温存在重要影响,并揭示了南极冰覆盖对东亚和北美地区气温影响的动力机制。具体研究结果表明,南北极冰覆盖变化首先会改变低层大气的温度梯度,产生大气的斜压不稳定性异常,导致大气斜压波动异常的产生和上传,这一冰覆盖率的异常信号通过斜压波作用通量与高空大气急流产生波流相互作用并进一步放大,产生经向波动传递,甚至跨赤道的Rossby波传输,从而对另一半球的气温变化产生影响。进一步的CAM4.0数值试验结果表明,由于南极冰覆盖率变化位置位于南半球强西风急流的下方,产生了相对北极冰覆盖对上空急流更加显着的影响,使得南极冰覆盖变化带来了更大的波通量变化响应,并迅速传播至北半球,并引起了东亚以及北美气温的显着变化。
柯长青,金鑫,沈校熠,李萌萌[6](2020)在《南北极海冰变化及其影响因素的对比分析》文中提出海冰是海洋-大气交互系统的重要组成部分,与全球气候系统间存在灵敏的响应和反馈机制。本文选用欧洲空间局发布的1992—2008年海冰密集度数据分析了南北极海冰在时间和空间上的变化规律与趋势,并结合由美国环境预报中心(National Centers for Environmental Prediction,NCEP)和美国大气研究中心(National Center for Atmospheric Research, NCAR)联合制作的NCEP/NCAR气温数据和ENSO指数探讨了南北极海冰变化的影响因素。结果表明,北极海冰面积呈明显的减少趋势,其中夏季海冰最小月的减少更快。北冰洋中央海盆区、巴伦支海、喀拉海、巴芬湾和拉布拉多海的减少最明显。南极海冰面积呈微弱增加趋势,罗斯海、太平洋扇区和大西洋扇区的海冰增加。北极海冰面积与气温有显着的滞后1个月的负相关关系(P<0.01)。北极升温显着,北冰洋中央海盆区、喀拉海、巴伦支海、巴芬湾和楚科奇海升温趋势最大,海冰减少很明显。南极在南大西洋、南太平洋呈降温趋势,海冰增加。北极海冰减少与39个月之后ONI的下降、40个月之后SOI的上升密切相关;南极海冰增加与7个月之后ONI的下降、6个月之后SOI的上升存在很好的响应关系。南北极海冰变化与三次ENSO的强暖与强冷事件有很好的对应关系。
刘森,邹斌,石立坚,崔艳荣[7](2020)在《基于FY-3C微波辐射计数据的极区海冰密集度反演方法研究》文中研究表明极区海冰影响大气和海洋环流,对全球气候变化起着重要的作用。海冰密集度是表征海冰时空变化特征的重要参数之一。本文研究了利用FY-3C微波扫描辐射计亮温数据反演极区海冰密集度的方法。经过时空匹配、线性回归,修正了FY-3C微波辐射计亮温数据。使用两种天气滤波器和海冰掩模滤除了大气影响所造成的开阔海域虚假海冰;使用最小密集度模板去除陆地污染效应。通过计算2016年、2017年极区海冰面积及范围两个参数,对得到的海冰密集度产品进行了验证,两年的海冰范围和面积趋势基本与NSIDC产品一致,平均差异小于3%。本研究结果为发布我国自主卫星的极区海冰密集度业务化产品奠定了基础,制作的产品可保障面临中断的40多年极区海冰记录的连续性。
刘森[8](2019)在《基于FY-3C微波辐射计数据的极区海冰密集度反演方法研究》文中提出极区海冰影响大气和海洋环流,对全球气候变化起着重要的作用。海冰密集度是表征海冰时空变化特征的重要参数之一。机器学习算法迅猛发展,在各领域广泛应用,但应用于极地海冰领域的研究较少。本文对使用FY-3C微波扫描辐射计亮温数据反演极区海冰密集度的方法进行了研究。一部分工作为:经过时空匹配、线性回归,修正了FY-3C微波辐射计亮温数据。使用两种天气滤波器和海冰掩模滤除了大气影响所造成的开阔海域虚假海冰;使用最小密集度模板去除陆地污染效应。通过计算2016、2017年极区海冰面积及范围两个参数,对得到的海冰密集度产品进行了验证,两年的海冰范围和面积趋势基本与NSIDC产品一致,平均差异小于3%。另一部分工作为:使用2016年每月不同波段的FY-3C微波辐射计的亮温数据作为训练数据,将相应的NSIDC产品作为标签,通过不同波段数据的组合、网络节点和优化方法的选择训练最优模型。Levenberg-Marquardt算法训练的8-12-1的神经网络最适合海冰密集度的反演。23.8GHz通道对于去除水汽影响有效,位置信息能够减少陆地溢出效应影响。通过计算2017年海冰范围和面积验证神经网络反演的海冰密集度,北极海冰范围和面积均方根误差分别为0.12×106km2和0.16×106km2,相关性良好。本研究结果为发布我国自主卫星的极区海冰密集度业务化产品奠定了基础,制作的产品可保障面临中断的近40年极区海冰记录的一致性、连续性。给出适用于海冰密集度反演的神经网络模型,为海洋大数据的应用提供参考。
刘生元[9](2019)在《利用Cryosat-2测高数据研究20152018年北极海冰厚度变化》文中研究说明受海冰反照率反馈效应的影响,北极海冰对气候变化最为敏感,海冰的减少使得海冰反射到太空的热量减少,海水温度升高,导致北极气温升高,进而全球平均气温升高。北极地区不仅在变暖,而且加速变暖,变暖速度是全球平均速度的2倍。在过去的几十年里,随着全球平均气温的上升,北极海冰正在迅速融化。自1979年以来,海冰减少约30%-50%。海冰厚度是影响北冰洋海洋与大气热交换、海冰变形程度和海冰环流的重要参数。此外,海冰的热力学和动力学还取决于海冰覆盖层的厚度。因此,准确测定北冰洋的海冰厚度及其分布显得尤为重要。由于北极地区特殊的地理位置和气候条件,系泊声呐、潜艇声呐、机载电磁感应、机载激光测高等观测手段都无法大范围获取长时序的北极地区的海冰观测数据,导致对北极海冰厚度的变化特征和趋势了解的不够充分。卫星测高技术的出现与发展,使得对北极海冰进行时空连续观测成为可能。欧空局的Cryosat-2卫星携带一个合成孔径干涉雷达系统(SIRAL),几乎覆盖整个北冰洋(88°N)。本文使用Cryo Sat-2卫星2015年1月至2018年12月的二级基线C的测高数据,在北极及其周边海域(5088°N),通过程序读取Cryosat-2数据提取并计算剩余高程,采用阈值和标准差剔除粗差,由此确定沿轨海平面,并得到海冰干舷,最后通过浮力定律辅以必要的参数反演得到海冰厚度。利用波弗特海环流计划(Beaufort Gyre Exploration Project)的仰视声呐海冰吃水深度数据和美国NASA冰桥(Ice Bridge)科学计划的海冰厚度产品对相关结果进行精度评估。在此基础上,评估了北极及其周边海域海冰厚度的空间分布、季节性变化,结合气象要素(大气温度、海洋表面风速),探讨北极海冰厚度变化的成因。本文以2m为区分薄冰和厚冰的基准,2m以上为厚冰,2m以下为薄冰。主要结果及结论如下:(1)研究区域内的巴伦支海、卡拉海、拉普捷夫海、拉布拉多海、哈德逊湾、巴芬湾、戴维斯海峡、鄂霍茨克海等海域夏季无冰,经过秋季和冬季海冰的冻结,海冰厚度增加不超过2m。格陵兰岛和加拿大北部的海冰较厚,冬季和夏季均有3m以上的多年海冰存在。此外,波弗特海靠近加拿大北极群岛和北极点的位置,海冰较厚,弗雷姆海峡处,冬季有混合冰型,夏季其北部或附近海冰较厚。(2)春季:厚度大于2m的海冰所占比例大于60%;夏季:厚度小于2m的海冰所占比例大于50%,2015年大于80%,3m以上海冰所占比例小于10%,2015年1%左右;秋季和冬季厚度2m以上和2m以下海冰所占比例大致相同,约等于50%。区别是前一年秋季和后一年冬季相比,除了2016年秋季到2017年冬季相差不大或略小外,冬季4m以上海冰所占比例更大。(3)20152018年夏季2m以上海冰所占比例从大到小依次为:2017年、2016年、2018年、2015年,气温较低区域不同年份所占比例从大到小依次为:2015年、2017年、2016年、2018年,2015年来自格陵兰岛东部海风较大以及弗雷姆海峡海风较小,风向为从高纬到低纬,2018年与2015年类似,不同的是弗雷姆海峡风速较大,2016和2017年夏季,来自格陵兰岛东部的风速仍然较大,但是弗雷姆海峡的风向从低纬到高纬,2015和2018年夏季风促进着海冰从弗拉姆海峡的流通,2016和2017年阻碍海冰的流通,说明20152018年夏季海洋表面风对海冰厚度的分布情况产生着较大的影响。
聂思程[10](2018)在《全球海冰模拟不确定性及参数优化与应用》文中研究说明本文利用单海冰模式CICE和海洋-海冰耦合模式MOM的长期历史模拟结果,以及观测和再分析数据,分析了两种模式中的海冰误差特征。同时根据MERRA2的冰面再分析资料,从界面通量的角度研究了 CICE中海冰模拟误差的主要来源,并讨论了海冰外强迫对海冰误差的影响。在此基础上进一步研究了.海冰界面及海冰内部物理过程在海冰模拟过程中所起到的作用,以及海冰模式CICE中主要参数的敏感性和重要性,以此讨论了模式的不确定性。另一方面,评估了 S2S计划中四个模式在次季节到季节尺度上的海冰预测能力,并研究了海冰同化在单海冰模式及海洋-海冰耦合模式中对海冰模拟的影响。其结论如下:首先,CICE与MOM模拟的全球海冰季节变化整体较为合理。但两者模拟的南北极海冰面积在夏季偏少而冬季偏多,海冰密集度误差则主要表现为海冰边缘区域的偏差与海冰范围的异常。对于海冰体积,CICE在北极偏多且南极偏少,MOM在南北极均偏少。在误差特征的基础上,分析了冰-气通量与冰-海通量两种误差来源在不同时间及不同区域对海冰误差的贡献。其中冰-气通量的主要影响南北极冬季及夏季北极点附近的海冰,冰-海通量则可以解释夏季东西伯利亚海以及夏季南极海冰的误差。另一方面也考虑了外强迫变化对海冰模拟误差的影响,其影响既体现在海冰整体覆盖范围上,也体现在区域性特征上。冰面和冰底融化速率对外强迫变化的响应在整个融化过程中都比较明显,积雪融化速率的变化主要体现在其融化过程的后半段。冰-气湍流通量方案中的稳定性函数和粗糙度长度的改进会使冰面湍流交换过程变弱,导致边缘海冰的向上感热增加与大范围的潜热减少,以及风应力整体上的减弱。最终冰面总湍流热量通量的减小使得南北极海冰面积和体积减少了,而东西伯利亚海及波佛特海的海冰厚度误差也因此得到了改进。海洋混合层厚度对海冰融化和凝结的具体影响根据不同时间及不同区域而有所差异,混合层厚度增加会引起南北极海冰面积的减小,以及海冰体积在北极增多而在南极减少。海冰内盐度的变化通过影响其垂直热力结构来改变海冰融化速率,冰内盐度增加时,冰面和冰底的融化速率会加快,使得夏季海冰总量减少以及冰面融池增多。在CICE的主要海冰参数之中,雪面反照率调整因子、融池深宽比、融雪温度变化、新冰液相率和成脊时间系数的作用相对较大。最后,S2S计划中四个模式的海冰预测评估结果表明,UKMO和KMA的海冰预测能力较强,其次为NCEP和CNR。各模式对北极海冰密集度的预测误差在空间上具有相似性,3月的误差在大西洋一侧较明显,9月的误差在波佛特海与楚科奇海为负而在其他区域为正。在单海冰模式及海洋-海冰耦合模式中,最优插值方法对海冰密集度的同化效果显着,但其持续时间在两种模式中均较短。循环同化可以持续影响海冰的模拟,其在MOM中的表现要优于CICE,它可以很好地控制MOM中海冰误差的积累。
二、Definition of Arctic and Antarctic Sea Ice Variation Index(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、Definition of Arctic and Antarctic Sea Ice Variation Index(论文提纲范文)
(1)极地海冰密集度和厚度遥感反演方法研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.2.1 被动微波海冰密集度研究现状 |
1.2.2 基于高度计的海冰厚度研究现状 |
1.2.3 极区海冰密集度时空变化研究现状 |
1.3 研究内容与技术路线 |
1.4 论文结构 |
第2章 海冰密集度和厚度遥感反演的理论基础与方法 |
2.1 微波辐射传输模型 |
2.2 海冰的微波辐射特性 |
2.3 被动微波海冰密集度反演方法 |
2.3.1 低频算法 |
2.3.2 高频算法 |
2.3.3 系点亮温 |
2.3.4 天气滤波 |
2.4 被动微波辐射计及海冰密集度产品 |
2.5 基于高度计的海冰厚度估算方法 |
2.5.1 卫星高度计工作原理 |
2.5.2 基于静力平衡方程的海冰厚度估算方法 |
2.6 ICESat系列星载激光高度计及ICESat-2 海冰干舷产品 |
2.7 本章小结 |
第3章 被动微波海冰密集度产品对比及评价 |
3.1 待评估被动微波海冰密集度产品及辅助数据 |
3.2 评估方法及误差指标 |
3.3 基于高分辨率影像的海冰密集度产品精度评估 |
3.4 被动微波海冰密集度产品一致性对比 |
3.4.1 日均海冰密集度对比 |
3.4.2 月均海冰密集度对比 |
3.4.3 年均海冰密集度对比 |
3.4.4 海冰范围和面积对比 |
3.5 算法偏差来源分析与讨论 |
3.6 本章小结 |
第4章 基于融合算法的海冰密集度反演 |
4.1 算法融合方案 |
4.2 系点亮温和天气滤波处理 |
4.3 基于融合算法的海冰密集度反演及精度验证 |
4.4 本章小结 |
第5章 被动微波海冰密集度产品的应用分析 |
5.1 研究区及数据情况介绍 |
5.2 北极地区海冰密集度时空分析 |
5.2.1 海冰密集度年均空间分布格局 |
5.2.2 海冰密集度季均空间分布格局 |
5.2.3 海冰密集度月均空间分布格局 |
5.2.4 海冰密集度年际变化趋势分析 |
5.3 南极地区海冰密集度时空分析 |
5.3.1 海冰密集度年均空间分布格局 |
5.3.2 海冰密集度季均空间分布格局 |
5.3.3 海冰密集度月均空间分布格局 |
5.3.4 海冰密集度年际变化趋势分析 |
5.4 极区海冰面积和范围变化分析 |
5.4.1 北极海冰面积和范围变化分析 |
5.4.2 南极海冰面积和范围变化分析 |
5.5 本章小结 |
第6章 基于ICESat-2 激光高度计的海冰厚度反演研究 |
6.1 海冰厚度反演参数方案和数据介绍 |
6.2 ICESat-2 海冰干舷的时空变化分析 |
6.3 基于不同参数方案的海冰厚度反演 |
6.4 海冰厚度精度评价及敏感性分析 |
6.5 ICESat-2与CryoSat-2 海冰厚度对比 |
6.6 本章小结 |
第7章 总结与展望 |
7.1 论文的主要研究工作与结论 |
7.2 主要创新点 |
7.3 存在问题与展望 |
参考文献 |
致谢 |
作者简历及攻读学位期间发表的学术论文与研究成果 |
(2)南极冬季云量异常对海冰变化调控研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 背景、目的和意义 |
1.2 国内外研究现状 |
1.2.1 南极云观测现状 |
1.2.2 南大洋云量数据的研究现状 |
1.2.3 极地云与海冰相互作用的研究现状 |
1.3 本文的主要内容及章节安排 |
第二章 云、海冰数据及处理方法 |
2.1 云量数据 |
2.1.1 云量再分析数据 |
2.1.2 云量卫星数据 |
2.2 海冰数据 |
2.3 云模态的提取方法 |
2.4 极地矢量的可视化方法 |
2.5 研究区介绍及分区方法 |
第三章 南极冬季海冰与云的时空分布 |
3.1 南极海冰变化的空间特征 |
3.2 南极海冰变化的时间特征 |
3.3 南极云空间特征 |
3.4 南极云变化趋势 |
3.5 小结 |
第四章 南极冬季云对海冰的短期强迫 |
4.1 2011-2012年冬季海冰反弹量 |
4.2 2011年冬季云异常量统计 |
4.3 云异常对地表辐射的影响量 |
4.4 冬季云强迫对海冰影响 |
4.5 冬季云对次年夏季海冰的强迫 |
4.6 小结 |
第五章 南极冬季云对海冰的长期耦合 |
5.1 南极云-大气-海冰的耦合模态探究的必要性 |
5.2 低层云对海冰的强迫 |
5.3 中层云-海冰的耦合模态 |
5.4 高层云-海冰的耦合模态 |
5.5 对流层各层云模态的代表性 |
5.6 小结 |
第六章 基于云-海冰耦合的海冰预报设想 |
6.1 海冰预报背景 |
6.2 预测模型的建立 |
6.3 确定最优预报模型 |
6.4 小结 |
第七章 结论与展望 |
7.1 结论 |
7.2 创新点 |
7.3 不足 |
7.4 展望 |
参考文献 |
致谢 |
简历及研究成果 |
(3)El Ni?o衰亡后连续二次La Ni?a的成因及其影响研究(论文提纲范文)
作者简历 |
摘要 |
Abstract |
第一章 绪论 |
1.1 研究的背景和意义 |
1.2 国内外研究进展 |
1.2.1 ENSO事件的由来及其基本特征 |
1.2.2 ENSO事件循环中的正-负反馈机制 |
1.2.3 ENSO事件的分类 |
1.2.4 ENSO事件对全球气候的影响 |
1.2.4.1 ENSO事件对全球降水和温度的影响 |
1.2.4.2 对北极气候的影响 |
1.2.4.3 对南极气候的影响 |
1.3 研究目的及研究内容 |
第二章 资料与方法 |
2.1 数据来源 |
2.1.1 温度 |
2.1.2 风场 |
2.1.3 其他数据 |
2.2 气候指数定义 |
2.2.1 Ni?o 3.4指数与印度洋偶极子指数 |
2.2.2 年代际气候指数 |
2.3 分析方法 |
2.3.1 集合经验模态分解(EEMD) |
2.3.2 Rossby波作用通量 |
2.4 Princeton AGCM模式 |
第三章 El Ni?o衰亡后两年热带海气演变特征分析 |
3.1 El Ni?o的分类 |
3.2 2~(nd) La Ni?a期间热带海气特征及其与1~(st) La Ni?a的对比 |
3.2.1 热带海洋温度异常演变 |
3.2.2 赤道风场异常演变特征 |
3.2.3 热带异常对流活动演变特征 |
3.3 本章小结 |
第四章 触发2~(nd) La Ni?a的物理机制分析 |
4.1 海洋次表层的作用 |
4.2 赤道中太平洋纬向风的作用 |
4.2.1 赤道中太平洋持续东风异常 |
4.2.2 赤道中太平洋持续东风异常与热带印度洋和热带大西洋SSTA的关系 |
4.3 热带印度洋和热带大西洋对赤道中太平洋纬向风的贡献 |
4.4 本章小结 |
第五章 2~(nd) La Ni?a对全球降水和近地面气温的影响 |
5.1 2nd La Ni?a对全球降水的影响及其与1~(st) La Ni?a的对比 |
5.1.1 对热带海洋降水影响 |
5.1.2 对澳大利亚降水的影响 |
5.1.3 对非洲降水的影响 |
5.1.4 对欧亚大陆降水的影响 |
5.1.5 对北美降水的影响 |
5.1.6 对南美降水的影响 |
5.2 2~(nd) La Ni?a对全球气温的影响及其与1~(st) La Ni?a的对比 |
5.3 本章小结 |
第六章 2~(nd) La Ni?a对北极和南极海冰的影响 |
6.1 2~(nd) La Ni?a对北极海冰的影响及其与1~(st) La Ni?a的对比 |
6.2 影响北极秋季海冰的机制分析 |
6.3 2~(nd) La Ni?a对南极海冰的影响及其与1~(st) La Ni?a的对比 |
6.4 影响南极春季海冰的机制分析 |
6.5 本章小结 |
第七章 引发两次La Ni?a的ENSO个例对全球气温的影响:个例分析 |
7.1 2014~2016年温度异常的时空分布特征 |
7.2 ENSO的贡献及其与其它不同时间尺度分量的对比 |
7.3 未来全球温度演变趋势分析 |
7.4 本章小结 |
第八章 全文总结 |
8.1 主要结论 |
8.2 特色和创新点 |
8.3 讨论与展望 |
致谢 |
参考文献 |
(4)全球海冰模拟误差变化与归因研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 全球海冰变化 |
1.2 全球海冰模拟状况 |
1.3 全球海冰模拟误差及归因研究进展 |
1.4 本文研究意义及内容 |
第二章 数据、方法及数值模式简介 |
2.1 模式介绍 |
2.2 数据介绍 |
2.3 模拟误差量化分析方法 |
第三章 全球海冰模拟误差量化分析 |
3.1 引言 |
3.2 全球海冰模拟绝对误差 |
3.3 全球海冰模拟累计误差 |
3.4 全球多年冰和季节冰模拟误差对比 |
3.5 全球海冰模拟误差评估 |
3.6 小结 |
第四章 全球海冰模拟误差归因及参数优化研究 |
4.1 引言 |
4.2 冰-气界面反照率对全球海冰模拟误差的影响 |
4.3 海冰内部温盐变化对全球海冰模拟误差的影响 |
4.4 冰-海界面能量通量对全球海冰模拟误差的影响 |
4.5 全球海冰模式关键参数优化 |
4.6 小结 |
第五章 地球系统模式(CMIP6)对全球海冰模拟误差分析 |
5.1 引言 |
5.2 地球系统模式对全球海冰模拟能力的评估 |
5.3 地球系统模式对全球海冰模拟误差定量分析 |
5.4 小结 |
第六章 结论与展望 |
6.1 全文总结 |
6.2 问题与展望 |
参考文献 |
硕士期间发表的论文 |
致谢 |
(5)采用Liang-Kleeman信息流方法和CAM4.0模式对多源强迫气候效应的研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 二氧化碳浓度变化影响气候的已有研究介绍 |
1.2 土地覆盖变化影响气候的已有研究介绍 |
1.3 海冰覆盖变化影响气候的已有研究介绍 |
1.4 海温异常分布影响气候的已有研究介绍 |
1.5 已有研究中可能存在的不足和本文拟解决关键科学问题 |
第二章 数据及方法 |
2.1 数据来源 |
2.2 方法与模式介绍 |
2.2.1 Liang-Kleeman信息流方法介绍 |
2.2.2 T-N波作用通量计算 |
2.2.3 CAM4.0模式介绍及试验设置 |
第三章 Liang-Kleeman信息流的可行性讨论与其分析结果 |
3.1 Liang-KLeeman信息流方法的可行性探讨 |
3.2 二氧化碳浓度变化、土地覆盖类型变化、冰覆盖变化、海温异常与气温之间的因果信息流结果 |
3.3 本章小结 |
第四章 多源强迫的气候效应数值模拟及机制探讨 |
4.1 二氧化碳浓度变化的气候效应及作用机制 |
4.2 土地覆盖变化的气候效应及作用机制 |
4.3 冰覆盖变化的气候效应及作用机制 |
4.4 海温异常的气候效应及作用机制 |
4.5 所有强迫因子同时改变时的数值模拟结果及各因子的强迫机制 |
4.6 本章小结 |
第五章 南北极地区冰覆盖的气候效应对比 |
5.1 观测与模拟中两极冰覆盖变化对气温的影响对比 |
5.2 南极冰覆盖率变化对北半球气温影响的机制分析 |
5.3 本章小结 |
第六章 总结与讨论 |
6.1 主要结论 |
6.2 本文的特色和创新点 |
6.3 问题与展望 |
参考文献 |
相关的科研成果目录 |
致谢 |
(6)南北极海冰变化及其影响因素的对比分析(论文提纲范文)
0 引言 |
1 数据 |
1.1 海冰密集度 |
1.2 气温 |
1.3 ENSO指数 |
2 结果 |
2.1 南北极海冰空间分布 |
2.2 南北极海冰年内变化 |
2.3 南北极海冰年际变化 |
3 讨论 |
3.1 南北极海冰变化与气温的关系 |
3.2 海冰变化与ENSO的关系 |
4 结论 |
(8)基于FY-3C微波辐射计数据的极区海冰密集度反演方法研究(论文提纲范文)
摘要 |
abstract |
第1章 引言 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 海冰密集度产品及其应用 |
1.2.2 海冰密集度反演算法与验证 |
1.2.3 神经网络进展与在遥感中的应用 |
1.3 本文主要研究内容和结构 |
第2章 数据源与数据预处理 |
2.1 数据介绍 |
2.2 数据重投影 |
2.3 亮温的修正 |
2.4 神经网络数据准备 |
第3章 基于NASA Team算法的极区海冰密集度反演方法研究 |
3.1 研究方法 |
3.1.1 NASA Team方法及天气影响去除方法 |
3.1.2 陆地效应去除方法 |
3.2 结果与讨论 |
3.2.1 天气影响去除的结果 |
3.2.2 陆地效应去除的结果 |
3.2.3 验证 |
3.3 小结 |
第4章 基于神经网络的海冰密集度反演方法研究 |
4.1 神经网络方法 |
4.1.1 神经元与激活函数 |
4.1.2 神经网络与训练方法 |
4.2 神经网络的建立与验证 |
4.2.1 输入节点和隐藏层节点选择 |
4.2.2 优化方法选择 |
4.2.3 神经网络选择 |
4.2.4 神经网络海冰密集度的反演 |
4.2.5 范围面积验证与比较 |
4.3 小结 |
第5章 结论与展望 |
5.1 结论 |
5.2 展望 |
参考文献 |
发表文章目录 |
致谢 |
(9)利用Cryosat-2测高数据研究20152018年北极海冰厚度变化(论文提纲范文)
摘要 |
Abstract |
1 引言 |
1.1 卫星测高方法研究北极海冰厚度的意义 |
1.2 基于卫星测高反演海冰厚度的研究现状 |
1.3 本文工作 |
2 气候系统中的海冰 |
2.1 海冰的演化与海冰的影响因素 |
2.1.1 海冰的演化 |
2.1.2 海冰的影响因素 |
2.2 海冰观测 |
2.2.1 现场测量 |
2.2.2 遥感观测 |
3 卫星测高海冰厚度反演方法 |
3.1 海冰干舷测量 |
3.1.1 大地测量和海洋学模型组合法 |
3.1.2“最低面滤波”方法 |
3.2 海冰厚度反演方法与精度分析 |
3.2.1 海冰厚度反演方法 |
3.2.2 精度初步分析 |
4 计算区域与实验数据 |
4.1 计算区域与验证数据 |
4.1.1 计算区域 |
4.1.2 声呐数据 |
4.1.3 冰桥计划获取的海冰厚度数据 |
4.2 Cryo Sat-2 卫星及基线C数据产品 |
4.3 雪荷载气候学 |
4.4 NCEP/NCAR和NOAA气象数据集 |
5 结果与分析 |
5.1 相对海平面的确定与海冰干舷计算 |
5.2 精度验证 |
5.2.1 海冰厚度精度评估 |
5.2.2 海冰吃水深度精度评估 |
5.3 北极海冰厚度计算结果 |
5.3.1 区域性变化 |
5.3.2 北极海冰厚度的季节性变化 |
5.3.3 北极海冰厚度的年际变化 |
5.4 北极温度和风速的变化对海冰厚度的影响 |
5.4.1 大气温度 |
5.4.2 夏季风的作用 |
6 结论与展望 |
6.1 结论 |
6.2 展望 |
参考文献 |
在攻读期间发表论文及所参加项目: |
致谢 |
(10)全球海冰模拟不确定性及参数优化与应用(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 海冰变化及其气候效应 |
1.2 海冰模式及物理过程研究进展 |
1.3 海冰模拟误差及不确定性 |
1.4 本文研究目的及内容 |
第二章 模式、数据与方法介绍 |
2.1 模式介绍 |
2.1.1 海冰模式CICE |
2.1.2 海洋-海冰耦合模式MOM |
2.2 数据介绍 |
2.3 方法介绍 |
第三章 全球海冰模拟及其误差分析 |
3.1 引言 |
3.2 模拟及观测的全球海冰变化 |
3.3 冰-气界面通量时空变化特征分析 |
3.4 海冰模拟误差来源的界面通量分析 |
3.5 大气和海洋强迫对海冰模拟的影响 |
3.6 小结 |
第四章 海冰模式物理过程研究及其参数优化 |
4.1 引言 |
4.2 冰-气湍流交换过程的影响 |
4.3 海洋混合层厚度的作用 |
4.4 海冰热力学过程的影响 |
4.5 海冰参数敏感性及参数优化 |
4.6 小结 |
第五章 海冰次季节季节预测误差分析及海冰同化 |
5.1 引言 |
5.2 北极海冰次季节-季节预测误差分析 |
5.3 不同海冰模式同化效果分析 |
5.3.1 单海冰模式中的海冰同化 |
5.3.2 海洋-海冰耦合模式中的海冰同化 |
5.4 小结 |
第六章 结论与展望 |
6.1 全文总结 |
6.2 问题和展望 |
参考文献 |
致谢 |
四、Definition of Arctic and Antarctic Sea Ice Variation Index(论文参考文献)
- [1]极地海冰密集度和厚度遥感反演方法研究[D]. 梁爽. 中国科学院大学(中国科学院空天信息创新研究院), 2021(01)
- [2]南极冬季云量异常对海冰变化调控研究[D]. 王云鹤. 中国科学院大学(中国科学院海洋研究所), 2020(01)
- [3]El Ni?o衰亡后连续二次La Ni?a的成因及其影响研究[D]. 张超. 中国地质大学, 2020(03)
- [4]全球海冰模拟误差变化与归因研究[D]. 王华曌. 南京大学, 2020
- [5]采用Liang-Kleeman信息流方法和CAM4.0模式对多源强迫气候效应的研究[D]. 姜顺雨. 南京大学, 2020(04)
- [6]南北极海冰变化及其影响因素的对比分析[J]. 柯长青,金鑫,沈校熠,李萌萌. 极地研究, 2020(01)
- [7]基于FY-3C微波辐射计数据的极区海冰密集度反演方法研究[J]. 刘森,邹斌,石立坚,崔艳荣. 海洋学报, 2020(01)
- [8]基于FY-3C微波辐射计数据的极区海冰密集度反演方法研究[D]. 刘森. 国家海洋环境预报中心, 2019(03)
- [9]利用Cryosat-2测高数据研究20152018年北极海冰厚度变化[D]. 刘生元. 武汉大学, 2019(06)
- [10]全球海冰模拟不确定性及参数优化与应用[D]. 聂思程. 南京大学, 2018