简介：Abetterunderstandingofthelong-termglobalcarboncyclerequiredestimateofthechangesinterrestrialcarbonstorageafterthelastglacialperiod.Theresultsofsimulationatmid-Holocene(MH)fromPMIP(PaleoclimateModelingIntercomparisonProject)andthemoderndatafromCRU(ClimateResearchUnit,EastAngliaUniversity,UK)allowustousetheAtmosphere-VegetationInteractionModel(AVIM)tosimulatetheChineseterrestrialnetprimaryproductivity(NPP)at6kaBPandpresenttime.ThechangeofNPPandtotalNPPinChinafromnowtomid-Holoceneareabout54gm-2yr-1and0.63Pgyr-1,respectively,mainlyduetothebuild-upoftemperateforestandtropicalrainforest.ChineseterrestrialNPPvariationfromMHtonowiscloselyrelatedtothevariationinintensityofAsianmonsoon,whichcontrolledtheclimate-vegetationpatternchange.

简介：严绍瑾，彭永清，郭光ＮｅｕｒｏｉｄＢＰ－ｔｙｐｅＭｏｄｅｌＡｐｐｌｉｅｄｔｏｔｈｅＳｔｕｄｙｏｆＭｏｎｔｈｌｙＲａｉｎｆａｌｌＦｏｒｅｃａｓｔｉｎｇ￥ＹａｎＳｈａｏｊｉｎ；ＰｅｎｇＹｏｎｇｑｉｎｇａｎｄＧｕｏｇｕａｎｇ（ＮａｎｊｉｎｇＩｎｓｔｉｔｕｔ...

简介：变量领域象ens纪念品那样，南方风、带风的变量从月刊500hPa重力势高度异常场被导出。在这个工作，我们在1958的6月从每月的500-hPa重力势高度异常场和他们的变量选择原来的预言者-2001，并且由与原来的预言者分别地进行实验直角的功能(文件结束)决定全面预言者。一个downscaling预报模型基于背繁殖(BP)，神经网络被全面预言者的使用造与每月有活力的扩大范围预报产品在Guangxi上在6月预言每月的降水。为比较，我们也造神经网络与一样建模的另一BP由使用在5月从500-hPa重力势高度异常场选择到1957的12月的以前的全面预言者预言ands-2000并且1月到1958的4月-2001。二个模型被测试，结果证明downscaling模型的重叠的精确基于以前的全面预言者，而是downscaling模型的预言精确性比那的好取决于每月有活力的扩大范围预报的产量。

简介：ＭｏｎｔｈｌｙＭｅａｎＴｅｍｐｅｒａｔｕｒｅＰｒｅｄｉｃｔｉｏｎＢａｓｅｄｏｎａ　Ｍｕｌｔｉ－ｌｅｖｅｌＭａｐｐｉｎｇＭｏｄｅｌｏｆＮｅｕｒａｌＮｅｔｗｏｒｋＢＰＴｙｐｅＹａｎＳｈａｏｊｉｎ；（严绍瑾），ＰｅｎｇＹｏｎｇｑｉｎｇ；（彭永清）ａｎｄＧｕ...

简介：基于T213L31、T106L19和欧洲中期预报中心数值预报产品,应用BP人工神经网络技术,建立了850hPa高度区域温度集成预报模型,并进行了检验。结果表明：该模型能比较准确地预报强冷空气活动过程中冷中心及温度槽脊的位置和强度,预报结果的平均绝对误差明显小于3个子模式,预报场与实况场的相关程度明显高于3个子模式,预报误差在我国华北北部、东北地区较小,在蒙新高地和帕米尔高原地区误差较大。模型实现了多模式产品的最优综合。

简介：利用张掖国家湿地公园冬季水域结冰厚度观测资料和张掖观象台的气温、地温气象资料,运用统计学方法和BP神经网络方法建立了张掖国家湿地公园水域结冰厚度预报方程。通过对不同的预报方法进行预报效果验证,该结冰厚度的预报模型能够对结冰厚度有比较理想的预报效果,流动水域结冰厚度预报历史拟合率分别为：80.6%（多元回归）、74.6%（逐步回归）、100%（BP神经网络）;模型试报准确率分别为：72.7%（多元回归）、72.7%（逐步回归）、81.8%（BP神经网络）。静止水域结冰厚度预测历史拟合率分别为：76.9%（多元回归）、71.8%（逐步回归）、93.5%（BP神经网络）;模型试报准确率分别为：76.0%（多元回归）、72.0%（逐步回归）、84.0%（BP神经网络）。结果表明：多元回归方法优于逐步回归方法,而BP神经网络又明显优于传统的统计学方法,数据显示该结冰厚度的预报模型能够对结冰厚度有较好的预报效果,预报模型能够对水域结冰厚度进行有效的短期预报,其性能指标符合实际要求,具有很好的实际应用价值。

简介：将BP（BackPropagation）神经网络方法引入到奥运空气质量预报工作中,利用MATLAB神经网络工具箱搭建运行平台,将高时效性的观测结果与多模式集成实时预报系统的模式输出结果相结合,做出BP神经网络拟合预报结果。在对北京大学医学部站点2008年7月7日到8月26日模式模拟结果、观测结果以及BP神经网络拟合结果的对比研究中发现：BP神经网络能大大提高模式预报效果,平均误差率减少34.7%,相关系数提高39%,特别是在模式模拟效果较差的情况下,对提高预报效果更明显。对BP神经网络样本问题进行敏感性实验结果表明,样本数目多少并不是决定拟合效果的决定性因素,应选取具有稳定映射关系的样本,才是提高拟合预报效果的关键。

简介：在气象资料应用中，常常需用到等值线的绘制，本文提出了一种基于小网格重心生成矩形网格等值线的算法。该算法通过设计搜索追踪顺序，引入重心点分析每个网格，合理避免了传统等值线追踪算法起始点选取困难、网格出口边判断复杂的问题，不仅可确保等值线的唯一性，而且更真实地反应等值线整体逐渐变化的特征，此外，每条等值线增加的等值点可为后续光滑提供更多的控制点。最后通过示例说明了本文的算法的可行性，可扩展性，能在气象的雷达、数值预报、站点数据等中应用。

简介：利用地表太阳总辐射和散射辐射对LongandAckerman（2000）的云检测算法进行了改进，提高了云判别的准确率。首先采用比值概率密度峰值法，初步选出晴天时刻。然后根据晴天时刻的地表太阳总辐射和太阳天顶角余弦值，拟合得到该日晴天总辐射近似表达式。在此基础上，计算各时刻实际观测值与用该拟合式估计的总辐射的比值，并再次利用比值概率密度峰值法，判断该时刻的天空状况。最后利用全天空成像仪观测资料和站点天气记录结果检验算法，结果表明，在天顶角小于75°条件下，本算法判断准确率平均达90．9％。改进的云检测算法减少了因水汽柱总量、气溶胶浓度和系统测量偏差的日变化及天顶角变化造成的误差。应用该检测算法，得到了香河和太湖两地云El发生频率并分析了云地表辐射强迫季节变化特征。两地云出现频率和云地表短波辐射强迫均夏季最大，春秋次之，冬季最小，太湖站云出现频率的季节变化幅度不及香河。香河云地表短波辐射强迫年平均为-39．5W·m-2，春夏秋冬季节平均分别为-25．9W·m-2、-70．9W·m、-51．1W·m-2、-10．8W·m-2。太湖云地表短波辐射强迫年平均为-66．2W·m-2，春夏秋冬季节平均分别为-84．6W·m-2、-89．1W·m-2、-50．2W·m-2、-44．1W·m-2。

简介：选取QIN和SOB两种代表性劈窗算法对辽宁地区地表温度进行反演，并分析二者的精度和误差分布。结果表明：QIN和SOB算法反演的地表温度（Ts）与地面气象台站准同步观测的气温和地温的线性拟合显著，SOB算法线性拟合更好；从误差分布直方图可知，两种算法的反演结果与地温更接近，SOB算法与同步气温和地温在±2.0℃之间的误差比例略高于QIN算法；在野外开展与卫星遥感空间尺度一致的地表温度观测试验，QIN和SOB算法与实测值的平均绝对误差均为1.5℃；与NASA官网发布的地表温度产品对比发现，QIN和SOB算法的平均绝对误差分别为1.75℃和1.70℃；因此，QIN和SOB算法在辽宁地区均适用，而SOB算法误差较小。

简介：利用HJ／IRS遥感数据，根据普适性算法和单窗算法反演太湖水温。结果表明：普适性单通道方法反演太湖水温均方根误差为1．058；单窗算法均方根误差为o．538。太湖水温空间分布呈现出南高北低、周围高于中心的特征，湖面温度低于周边陆地温度1～3℃。

简介：依据气温间的空间相关性,将地统计学中的普通克里金法（OrdinaryKriging,OK）引入地面气温资料的质量控制。考虑气温在空间上的连续性,提出一种基于高斯模型改进的普通克里金（ImprovedOrdinaryKriging,IOK）质量控制方法。为评估该方法的性能,运用IOK法对江苏省67个台站2008年地面日平均气温资料进行质量控制,并与OK法以及反距离加权法（InverseDistanceWeighted,IDW）进行比较。试验结果表明,IOK法的检验效果优于OK法与IDW法,且稳定性与适用性较高,能有效地标记出气温观测数据中的可疑数据。