检索结果-南通市图书馆

大气科学 2018年第3期42卷 570-589页

作者：杨崧邓开强段晚锁中山大学大气科学学院广东省气候变化与自然灾害研究重点实验室中山大学地球气候与环境系统研究院中国科学院大气物理研究所大气科学和地球流体力学数值模拟国家重点实验室

本文主要基于对Webster and Yang(1992)一文的回顾,讨论了年循环在季风和ENSO相互作用中的作用、春季预报障碍(SPB)、Webster-Yang指数(WYI)、以及亚洲夏季风的前期讯号等内容。亚洲季风和ENSO作为全球天气和气候变率的主要来源,它们之... 详细信息

本文主要基于对Webster and Yang(1992)一文的回顾,讨论了年循环在季风和ENSO相互作用中的作用、春季预报障碍(SPB)、Webster-Yang指数(WYI)、以及亚洲夏季风的前期讯号等内容。亚洲季风和ENSO作为全球天气和气候变率的主要来源,它们之间的相互作用存在明显的年变化和季节"锁相"特征:在北半球秋冬季,亚洲季风对流活动最弱,此时ENSO的信号最强;但是到了北半球春季,亚洲季风对流快速爆发,而此时的ENSO信号却迅速衰减。亚洲季风和ENSO位相的错位变化使得热带海—气系统的不稳定性在北半球春季达到最大,此时任意一个微小的扰动都容易快速增长,最终导致基于ENSO的预报技巧减小。亚洲夏季风环流本质上可以看成是大气对副热带地区潜热加热的低频罗斯贝波响应,它具有很强的垂直风切变,这是WYI定义的物理基础。WYI数值越大,代表垂直东风切变越大,即亚洲季风环流增强,反之亦然。利用WYI与前期大气环流场、欧亚雪盖、土壤湿度等物理量进行回归分析,结果表明:当亚洲夏季风增强时,前期冬季和春季,在北印度洋和亚洲副热带地区上空出现东风异常,同时在更高纬度地区伴随出现西风的异常;此外,副热带地区如印度次大陆、中南半岛和东亚的土壤湿度增大;中纬度地区尤其是青藏高原中西部的积雪密度明显减小。这些前期讯号的发现有助于我们构建动力统计模型,进而提高对亚洲夏季风的季节预报水平。

关键词：季风 ENSO 年循环春季预报障碍亚洲季风前期讯号

来源：

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

从海温的持续性特征浅析ENSO现象的春季可预报性障碍

引用

中文科技期刊数据库（全文版）自然科学 2022年第11期 90-98页

作者：李婧苏雨瞳中国民用航空西北地区空中交通管理局陕西西安710082

初步分析了厄尔尼诺和南方涛动(ENSO)相关海温变率的持续性特征,并探讨了该持续性特征与ENSO现象的春季可预报性障碍的联系。方法本文利用NECP GODAS从1980年01月至2016年12月的月平均海洋上层温度数据以及Hadley中心1950年01月至2016... 详细信息

初步分析了厄尔尼诺和南方涛动(ENSO)相关海温变率的持续性特征,并探讨了该持续性特征与ENSO现象的春季可预报性障碍的联系。方法本文利用NECP GODAS从1980年01月至2016年12月的月平均海洋上层温度数据以及Hadley中心1950年01月至2016年12月的月平均海表温度数据,结果分析发现热带太平洋尼诺3.4区海表温度的持续性存在季节差异,表现为无论从哪个月份起报,海温持续性在春季下降最快,而在其他季节下降不明显;尼诺3区海表温度持续性也存在类似特征,而尼诺4区海表温度持续性在各个季节差异不大。对尼诺关键区海表面温度(SST)和赤道海洋上层热含量相关性的分析表明,上层热含量的相位变化超前海表温度3至6个月。对赤道海洋上层热含量的持续性分析表明,热含量在春末夏初的持续性最强,而冬季持续性最低,但没有明显的春季持续性障碍。对北半球春末夏初(MJJ)赤道太平洋上层热含量与同年冬季(NDJ)的海表温度和925HPa纬向风场的相关分析表明,前期赤道海洋的上层热含量与ENSO成熟位相的SST以及低层纬向风均在赤道中东太平洋存在显著相关。结论综上,准确的海洋上层热含量信息有利于跨春季预报ENSO时预报技巧的提高,从一定程度上克服ENSO的春季预报障碍。

关键词： ENSO 海温持续性春季预报障碍上层热含量

来源：

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

Prediction of ENSO using multivariable deep learning

引用

Atmospheric and Oceanic Science Letters 2023年第4期16卷 51-56页

作者： Yue Chen Xiaomeng Huang Jing-Jia Luo Yanluan Lin Jonathon S.Wright Youyu Lu Xingrong Chen Hua Jiang Pengfei Lin Ministry of Education Key Laboratory for Earth System Modeling and Department for Earth System Science Tsinghua UniversityBeijingChina Institute for Climate and Application Research(ICAR)/CICFEM/KLME/ILCEC Nanjing University of Information Science and TechnologyNanjingChina Ocean and Ecosystem Sciences Division Fisheries and Oceans CanadaBedford Institute of OceanographyDartmouthNova ScotiaCanada National Marine Environmental Forecasting Center State Oceanic AdministrationBeijingChina State Key Laboratory of Numerical Modeling for Atmospheric Sciences and Geophysical Fluid Dynamics Institute of Atmospheric PhysicsChinese Academy of SciencesBeijingChina

本文基于残差神经网络和观测数据构建了一套深度学习多因子预报测模型,以改进厄尔尼诺-南方涛动(ENSO)的预报.该模型基于最大信息系数进行因子时空特征提取,并根据泰勒图的评估标准可自动确定关键预报因子进行预报.该模型在超前8个月以... 详细信息

本文基于残差神经网络和观测数据构建了一套深度学习多因子预报测模型,以改进厄尔尼诺-南方涛动(ENSO)的预报.该模型基于最大信息系数进行因子时空特征提取,并根据泰勒图的评估标准可自动确定关键预报因子进行预报.该模型在超前8个月以内的预报性能要优于当前传统的业务预报模式.2011–2018年间,该模型的预报性能优于多模式集成预报的结果.在超前6个月预报时效上,模型预报相关性可达0.82,标准化后的均方根误差仅为0.58°C,多模式集成预报的相关性和标准化后的均方根误差分别为0.70和0.73°C.该模型春季预报障碍问题有所缓解,并且自动选取的关键预报因子可用于解释热带和副热带热动力过程对于ENSO变化的影响.

关键词： ENSO预报深度学习春季预报障碍多维时空预报因子

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：