排序方式： 共有41条查询结果，搜索用时 15 毫秒
1.
新疆哈密地区早泥盆世珊瑚动物群及其地质意义 总被引：2，自引：0，他引：2
新疆哈密地区下泥盆统发育,南部图拉尔根地区下泥盆统为大南湖组,北部三道白杨沟地区为卓木巴斯套组。在大南湖组中共发现四射珊瑚2属5种,床板珊瑚7属12种,并建立四射珊瑚组合Syringaxon moriense和床板珊瑚组合Pseudofavosites giganteus;在卓木巴斯套组共发现四射珊瑚5属7种,床板珊瑚2属2种,并建立四射珊瑚组合Orthopaterophyllum junggarense和床板珊瑚组合Pachyfavosites junggarensis。通过珊瑚在地层中的分布及组合的时代对比,确定前者的时代为早泥盆世埃姆斯期早期,后者的时代为埃姆斯期中晚期。通过与国内外典型的早泥盆世埃姆斯期珊瑚动物群的对比,认为哈密地区的珊瑚动物具有典型的早泥盆世温带动物群特征,在生物古地理区系上属于北方大区准噶尔-兴安省。 相似文献
2.
董发勤 陈禹衡 代群威 郑飞 刘明学 蒋忠诚 张强 李博文 Alper Bab Mike O''Driscoll Andelka Plenkovic-Moraj 《中国岩溶》2021,40(1):34-43
本文总结了钙华体次生有机体系中生物群落特征和界面结晶行为,根据生物在碳酸盐沉积中的角色,将钙华体中次生有机体系的界面结晶矿化类型分为生物控制矿化沉积和生物诱导矿化沉积。分述了碳酸钙沉积矿化相关的五种生物代谢活动,讨论了生物胞外聚合物（EPS）对碳酸钙矿物晶型和形貌的影响。针对目前钙华研究中存在的问题,今后应深入研究生物体主要构成元素、生物小分子和生物体内部组织在钙华形成或退化中的作用,进一步厘清钙华体与次生有机体系的多界面溶化方式,为钙华保护修复及钙华退化治理措施提供科学依据。 相似文献
3.
2002/03年厄尔尼诺事件,是暖海温中心出现在赤道中太平洋区域的一种新型厄尔尼诺,即中太平洋型厄尔尼诺。本文基于一个厄尔尼诺预测系统,利用三组回报试验来详细区分海洋表层和次表层初始状态对预报2002/03年中太平洋型厄尔尼诺事件的作用,并由此来探寻对预报厄尔尼诺演变过程最有利的初始条件。回报试验分为三组:(1)仅同化海表温度观测(sea surface temperature;简称SST)来优化海洋表层初始状态(Assim_SST);(2)仅同化海表高度观测(sea level;简称SL)来更新海洋次表层初始状态(Assim_SL);(3)同时同化SST和SL观测来一起更新海洋表层和次表层初始状态(Assim_SST+SL)。回报试验结果表明,三种不同的初始条件都可以使模式提前一年成功地预报2002/03年厄尔尼诺事件,并且"Assim_SST+SL"回报试验的效果最好。三组回报试验结果间的对比表明:海洋表层和次表层初始状态均对成功地预报该事件有重要作用,但其作用分别集中在事件发展的不同阶段。精确的海洋表层初始状态更容易激发模式预报出一次厄尔尼诺事件,而更合理的海洋次表层初始状态则能有效地提高厄尔尼诺事件预报的强度。 相似文献
4.
次表层上卷海温对改进ENSO(厄尔尼诺-南方涛动,El Ni o-Southern Oscillation)模拟水平及ENSO年代际变化均具有重要作用。利用一个中等复杂程度耦合模式(intermediate coupled model,简称ICM)和Nudging(张弛逼近)同化方法,重构了1856—2008年间热带太平洋地区的次表层上卷海温。统计检验表明,重构的次表层上卷海温与近50年的3种分析资料间具有较高的相关性和较小的均方根误差。此外,通过此重构的次表层上卷海温资料重新驱动ICM模式,模拟得到的海表温度距平(sea surface temperature anomaly,简称SSTA)可以真实地反映出ENSO的年际和年代际变化,表明此重构的次表层上卷海温资料可用于气候研究,特别是用于ENSO的大尺度低频变化或年代际气候变化研究。 相似文献
5.
Excel被认为是当前功能强大、使用方便的电子表格软件。从1993年起，Excel就开始支持Visual Basic for Applications（VBA）．VBA是一款功能强大的工具，它使Excel形成了独立的编程环境。重力固体潮校正的计算改进前，重力计算中都是通过basic语言的程序设计在dos环境下来完成的。在大量应用windows的今天，dos的应用已经没有象windows那样普及。如果不能了解dos环境下的命令语句，根本就不能完成重力的计算工作。为此作者等对固体潮校正的计算进行改进，改进后达到了简单、高效的效果。 相似文献
6.
国际上针对海洋-大气系统的观测、理论和模拟方面已经开展了广泛而深入的研究,为短期气候预测水平的不断提升奠定了坚实基础,这其中中国学者做出了许多重要贡献。文中简要回顾了中国学者70年来在热带海-气相互作用与ENSO动力学及预测方面的研究进展。其中,热带海-气相互作用部分主要涉及4个方面的内容:热带太平洋气候特征与ENSO现象、热带印度洋海温主要模态及其与太平洋相互作用、热带大西洋海温主要模态及与海盆的相互作用、中高纬度海-气系统对ENSO的影响;ENSO动力学包括7个方面的内容:基本理论的相关研究、ENSO相关的诊断与模拟研究、两类ENSO相关研究、ENSO触发机制相关研究、ENSO与其他现象的相互作用、外部强迫与大气遥相关、气候变化与ENSO响应;ENSO预测主要包括2个方面的内容:动力-统计ENSO预测方法、ENSO预测系统与应用。最后,还讨论了上述相关方面亟待解决的问题。 相似文献
7.
复杂地形城市冬季边界层气溶胶扩散和分布模拟 总被引：1，自引：5，他引：1
着眼于城市冬季气溶胶扩散特征问题,针对地形复杂的兰州市及周边地区,开发了WRF模式,使之与包含了大气气溶胶辐射效应和气溶胶粒子扩散的综合大气边界层数值模式嵌套,以模拟城市冬季边界层气溶胶的扩散和分布规律。通过一个个例的模拟结果分析,揭示了兰州冬季气溶胶的扩散分布的如下特征;市区盆地内100 m以下存在东、西两个浓度高值中心,中心值为0.6~3.0 mg.m-3,往上浓度递减,1000 m高度处仅为0.02 mg.m-3。受排放源强、源高、气象场等因素的共同影响,白天盆地内气溶胶浓度随高度和时间的变化强烈,白天浓度随时间最大变化幅度为1.0 mg.m-3。气溶胶输送扩散高度可达到600~800 m,此高度以上浓度值很小。代表性测点上模拟的气溶胶浓度廓线表明,中午浓度达到最高,垂直扩散最强。这些结果与以往的烟雾层高度观测和气溶胶光学厚度观测结果吻合。夜间,盆地内气溶胶浓度随高度和时间的变化减弱,气溶胶输送扩散高度在400~500m,夜间浓度随时间变化平均幅度为0.05 mg.m-3。 相似文献
8.
基于多种再分析资料和观测资料,对比分析了两次超长La Ni?a事件中东亚夏季风的季节内变化。选取的两次事件分别发生在1984～1985年和1999～2000年,但强度有明显差异,其中前者为中等强度事件,而后者则为强事件。在两次事件过程中,暖池对流偏强,西太平洋副热带高压（副高）偏东偏弱,但季节内变化有很大差异。对强事件而言,6月对流开始发展,异常值在7月达到最大,8月稍弱,这与La Ni?a年合成结果一致,表明La Ni?a信号主导了东亚夏季风的季节内变化。与此不同的是,在1984～1985年事件中,6月和8月对流偏强,7月偏弱,呈双峰型异常变化。分析表明,当前一个月海温偏高时,后一个月对流偏强,减弱了太阳辐射,造成局地海温降低,偏低的海温又反过来抑制了后一个月的对流发展,暖池地区局地海气相互作用在中等强度La Ni?a事件中起到关键作用。因此,在两次超长La Ni?a事件中,东亚夏季风的季节内变化过程和影响因子有很大差异。此外,由于副高偏东,中国东部夏季降水总体上偏少。 相似文献
9.
四川盆地位于青藏高原的东侧,受其地理位置的影响,该地区的天气和气候复杂多变。尤其暴雨预报,是气象工作者一直面临的难题。本文利用欧洲中期天气预报中心ERA-Interim再分析资料、格点化的降水资料（CN05.1）以及常规气象观测站探空资料,从环流背景、水汽条件、动力和热力条件对比分析了2015年夏季四川盆地7月13~15日（"7.13"过程）和8月16~18日（"8.16"过程）两次暴雨过程的环境场,以期加深对四川盆地暴雨机制的认识。结果表明:1）相对稳定的大尺度环流形势为两次大暴雨发生发展提供了有利的背景场。2）两次过程均存在明显的高空急流和低空急流,并且"8.16"过程高空急流明显强于"7.13"过程,这也是两次过程降水强度存在明显差异的原因之一。"7.13"过程主要以低空北向急流输送孟加拉湾水汽到四川南部;"8.16"过程低空急流输送孟加拉湾水汽受四川东北部、重庆上空西南涡影响,主要以气旋性环流输送水汽到暴雨上空。3）从暴雨预报的指示意义上分析,两次暴雨过程大气均处于不稳定状态,假相当位温对于暴雨的强度和落区有较好指示。位涡扰动向低层传输,位涡的增大预示着强降水的发生。 相似文献
10.
利用集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)有效地分解了全球平均表面温度(Global Mean Surface Temperature,GMST)时间序列,得到其不同尺度的、不同特征的子序列(Intrinsic Mode Function,IMF)。在此基础上,利用在预测长期、复杂、非线性变化的时间序列上具有显著优势的滑动自回归机器学习(Autoregressive Integrated Moving Average,ARIMA)模型和长短期记忆网络(Long Short-Term Memory,LSTM)模型开展GMST年际信号预测研究。结果表明:深度学习模型LSTM能很好地拟合并预测了长程相关性强的子序列(第2~6个IMF),而代表GMST年际尺度变化的IMF1则在一定程度上受到太平洋大西洋多重气候信号的影响和调制,因此进一步将3个气候指数作为预报前兆因子加入预测模型来更准确地预测IMF1的时间演变。通过利用多套GMST数据的对比,最终选定了考虑实时ENSO信息的LSTM(ENSO)模型来提前预测年际GMST信号,并预测2020年将有较大概率会成为史上最热的年份之一。 相似文献