RESP  > 气候变化
题名:
雪数据纳入气候模型可显著提高季节性温度预测
作者: 廖 琴 编译
出版日期: 2016-12-15
所属快报: 气候变化快报
出版年: 2016
期: 24
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
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: 42683
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
资源类型: 快报文章
条目标识符: http://119.78.100.173/handle/2MONF3CL/41702
Appears in Collections:气候变化

Files in This Item:
File Name/ File Size Content Type Version Access License
雪数据纳入气候模型可显著提高季节性温度预测.doc(32KB)快报文章--开放获取View 联系获取全文

作者单位: 中国科学院兰州文献情报中心

Recommended Citation:
《气候变化快报》,2016-12-15.
Service
Recommend this item
Sava as my favorate item
Show this item's statistics
Export Endnote File
Google Scholar
Similar articles in Google Scholar
[廖 琴 编译]'s Articles
百度学术
Similar articles in Baidu Scholar
[廖 琴 编译]'s Articles
CSDL cross search
Similar articles in CSDL Cross Search
[廖 琴 编译]‘s Articles
Related Copyright Policies
Null
收藏/分享
文件名: 雪数据纳入气候模型可显著提高季节性温度预测.doc
格式: Microsoft Word
此文件暂不支持浏览
所有评论 (0)
暂无评论
 

Items in IR are protected by copyright, with all rights reserved, unless otherwise indicated.