雪数据纳入气候模型可显著提高季节性温度预测

GSTDTAP > 气候变化

	雪数据纳入气候模型可显著提高季节性温度预测
	廖琴
	2016-12-15
所属快报	气候变化快报
出版年	2016
期	24
语种	中文
领域	气候变化
栏目	前沿研究动态
中文关键词	雪数据 ; 温度预测
中文摘要	2016年11月9日，《地球物理研究快报》（Geophysical Research Letters）发表题为《雪数据同化约束的土地初始化提高季节性温度预测》（Snow Data Assimilation-Constrained Land Initialization Improves Seasonal Temperature Prediction）的文章指出，来自卫星的雪数据可显著改善季节性温度预测。
情报分析_信息发布时间	2016年11月9日
情报分析_信息来源性质	期刊
情报分析_信息来源期刊	《地球物理研究快报》（Geophysical Research Letters）
情报分析_机构类别	科研机构
情报分析_信息来源国家	国际
情报分析_信息类别	前沿研究动态
情报分析_研究主题	雪数据
情报分析_研究内容	雪影响地面热量吸收和可用于蒸发到大气中的水量，这在影响区域气候中起着重要的作用。季节性时间尺度对水资源管理非常重要。美国德克萨斯大学奥斯汀分校（University of Texas at Austin）和华盛顿大学（University of Washington）的研究人员量化了土地初始化对北半球季节性温度预测的影响，强调土地雪数据同化的重要性。他们分析了NASA两个卫星（MODIS和GRACE）收集的雪覆盖和深度数据，在一个气候模型中如何影响北半球的温度预测。该研究检查了2003—2009年的季节性数据，因此研究人员可以将模型的预测与记录的温度进行比较。研究人员发现，将NASA卫星收集的雪数据纳入气候模型，可将区域温度预测提高5%~25%，特别是在青藏高原和高纬度地区。计算机模型的温度改善变化取决于区域和时间。在低纬度地区的改善可以被立即看到，并持续长达60天，而高纬度地区的改善只出现在过渡季节。由于大量的初始雪质量变化，高纬度地区同化GRACE数据导致显著和持续的改善。该研究对未来土地数据同化和季节性气候预测研究有很大的影响。（廖琴编译）
原文题名	Snow Data Assimilation-Constrained Land Initialization Improves Seasonal Temperature Prediction
原文链接	查看原文
文献类型	快报文章
条目标识符	http://119.78.100.173/C666/handle/2XK7JSWQ/180201
专题	气候变化
推荐引用方式 GB/T 7714	廖琴. 雪数据纳入气候模型可显著提高季节性温度预测. 2016.

条目包含的文件
文件名称/大小	文献类型	版本类型	开放类型	使用许可
雪数据纳入气候模型可显著提高季节性温度预（32KB）	快报文章		开放获取	CC BY-NC-SA	浏览请求全文