全文获取类型
收费全文 | 136篇 |
免费 | 142篇 |
国内免费 | 298篇 |
专业分类
大气科学 | 510篇 |
地球物理 | 15篇 |
地质学 | 3篇 |
海洋学 | 45篇 |
自然地理 | 3篇 |
出版年
2024年 | 2篇 |
2023年 | 20篇 |
2022年 | 11篇 |
2021年 | 20篇 |
2020年 | 18篇 |
2019年 | 22篇 |
2018年 | 15篇 |
2017年 | 17篇 |
2016年 | 22篇 |
2015年 | 20篇 |
2014年 | 33篇 |
2013年 | 22篇 |
2012年 | 33篇 |
2011年 | 36篇 |
2010年 | 46篇 |
2009年 | 36篇 |
2008年 | 30篇 |
2007年 | 45篇 |
2006年 | 48篇 |
2005年 | 34篇 |
2004年 | 17篇 |
2003年 | 28篇 |
1993年 | 1篇 |
排序方式: 共有576条查询结果,搜索用时 15 毫秒
1.
基于时长38天的海表风场实测数据,应用经验模态分解(EmpiricalModeDecomposition,EMD)和小波分解(Wavelet Decomposition, WD)这两种数据处理方法首先对涡相关法中的截断时间尺度(CutoffTimescale,CTS)进行估算,结果显示:基于EMD与WD方法估算出的CTS一般都在40秒左右(EMD的结果略小),远远小于传统涡相关法中CTS的取值(固定为10分钟),且EMD和WD的使用使得每一段数据都能够根据自身的湍流特点而获得合适的CTS; EMD方法和WD方法有效的去除了计算结果中的非湍部分,且对通量传输方向的刻画也更加合理,极大提高了通量的计算精度,所得通量与传统方法计算的通量偏差平均值高达45%;研究还对EMD和WD的优缺点进行了对比分析,结果表明EMD相比于WD有更高的自主性,而WD对信号的分离程度则更高。 相似文献
2.
利用1961—2017年中国地面观测站日降水资料、全球大气多要素和海表温度月资料,分析华南区域持续性强降水过程的气候特征,诊断并比较与华南前汛期、后汛期区域持续性强降水年际变化相关的大气环流和海表温度异常特征。结果表明,3—12月华南都可能出现持续性强降水过程,其中汛期4—9月的占了94.4%。伴随着区域持续性强降水的年际变化,华南本地垂直上升运动显著异常是前汛期和后汛期的共同点,但前汛期、后汛期在华南及周边环流异常、水汽输送来源以及海温异常分布等方面都存在一定差异。在前汛期华南区域持续性强降水偏重年,赤道西太平洋区域海温偏低,由于大气罗斯贝波响应使西太平洋副热带高压偏强,热带西太平洋向华南区域水汽输送加强,从而有利于区域持续性强降水偏重。后汛期华南区域持续性强降水偏重年的海温异常分布是赤道中东太平洋区域正异常、东印度洋至西太平洋暖池区负异常,海温异常通过西北太平洋副热带高压、南海热带季风强度、水汽输送和垂直环流等多方面,导致后汛期区域持续性强降水偏重。 相似文献
3.
利用TRMM降水和ERA-Interim温度、比湿、环流场等再分析资料, 探讨了在1998-2018年冬季年际尺度海温变化对MJO的强度、结构和传播特征的影响。主要结论如下: 通过一种追踪MJO的方法在研究时间范围内共可挑选出50个MJO事件, 其中有14个MJO事件发生在El Ni?o期间, 25个发生在La Ni?a期间, 11个发生在ENSO正常年。El Ni?o年MJO会传播至更远的中东太平洋附近, 而La Ni?a年MJO事件趋于在西太平洋地区消亡, 这主要与东太平洋地区持续的季节内尺度的经向水汽输送有关。此外, 在印度洋和太平洋地区, El Ni?o年的MJO活动更强, 而在海洋性大陆附近, La Ni?a年的MJO活动略强一些。ENSO对MJO强度的影响主要通过影响MJO对流中心东侧水汽的输送, 水汽在异常东风气流的输送下穿过对流中心东边界进入对流中心, 进而造成MJO活动强度的差异。 相似文献
4.
利用小波变换(WT)对香港天文台飞机观测台风“妮妲”(1604)资料进行分析,研究在不稳定、不均匀的台风边界层中湍流涡旋的垂直传输作用。在0.1~5 Hz惯性子区内横风和顺风分量功率谱密度能较好符合-5/3幂律。小波分析显示:横风的小波功率谱峰值集中在1 km之下,顺风分量的小波功率谱峰值集中在1~6 km之间;眼区动量通量的主要贡献尺度为2.3 km,眼区外主要贡献尺度在1~2 km,中低层为较小尺度(< 1.0 km);湍流功能(TKE)的生成尺度主要集中在4 km之下。这项研究定量描述了南海北部台风边界层各个区域湍流结构的差异特征,讨论了对台风边界层通量参数化的可能影响。 相似文献
5.
大风是台风引发的三大灾害之一,考虑到现有的台风大风研究相对较少、预报经验也比较不足,因此对其预报方法进行回顾总结具有十分重要的意义。从经验预报、统计预报、数值模式预报及数值预报产品释用等4个方向梳理了台风大风预报技术的研究与应用现状:天气图、卫星云图和雷达图是经验预报中非常重要的工具;统计预报根据方法的不同可细分为回归预报、客观相似预报和气候持续性预报;数值模式预报方面,国内外多家机构都研发了相应的台风大风预报产品;数值预报产品的释用目前则包含了动力释用、统计释用和人工智能释用。同时总结了上述4类预报方法各自的优势和不足。最后,讨论了未来研究与实际业务中进一步提高台风大风预报能力的可能发展方向。 相似文献
6.
利用重建的华南区域黑碳气溶胶(Black Carbon, BC)浓度资料,分析其与南海夏季风在年际尺度上的关系。结果表明,华南区域BC浓度与南海夏季风的关系在2000年前后有明显的突变,由显著负相关变为显著正相关,即由高BC浓度弱季风变为高BC浓度强季风。通过合成对比分析,发现1988—1999年(第一时间段)的华南BC主要气候效应是间接辐射强迫作用:华南BC使云粒子半径减小,抑制华南区域春季降水,增加了云的生命期,从而使到达地面的短波辐射减少,表面和低层大气降温。负温度异常激发了异常反气旋,在南海区域即有东风异常。到夏季,东风异常减弱了季风强度,同时抑制了南海地区的降水。2000—2010年(第二时间段)的华南BC主要气候效应是直接辐射强迫作用:春季高BC浓度通过直接气候效应,增暖大气,加强降水,但是雨日减少,从而使到达地面的短波辐射增多,表面和低层大气增温。正温度异常激发了异常气旋,在南海区域即有西风异常一直维持到夏季,增大了季风强度,同时增强了南海地区的降水。 相似文献
7.
应用2017—2018年5—9月福建省观测资料对华南区域中尺度模式(GTRAMS-3 km-RUC)预报进行站点检验,建立和训练基于卷积神经网络的逐时降水分级订正模型,并与频率匹配法进行2017—2018年测试集的对比试验和2019年数据集的模拟业务检验,探讨了试验过程中遇到的样本不均衡、特征变量选取以及模型过拟合问题。结果表明:模式对于15 mm·h-1以上降水的预报能力弱,各订正方法对原始预报均有不同程度的改进作用。从评估指标来看,基于卷积神经网络的订正方法比频率匹配法表现出优势,其中相关系数判别方案下的网络模型对强降水预报的订正效果显著优于其他方法;在输入特征变量选取方面,应用主成分分析方案的模型训练收敛速度比相关系数判别方案更快,最佳训练期有所提前,但也更早进入严重的过拟合状态,而相关系数判别方案能够使网络模型的训练拥有更长的提升期以达到更具“潜力”的状态;基于卷积神经网络的订正方法对减少分类降水预报的漏报率、晴雨和弱降水预报的空报率具有显著作用,其优化程度明显超过频率匹配法。 相似文献
8.
为了建立一个应用于区域数值预报的四维变分资料同化(4DVar)系统,在近期开发的扰动预报模式GRAPES_PF基础上,开发完善增量四维变分同化系统框架。该框架中暂不包含物理过程(长短波辐射、边界层过程、对流参数化和云微物理等)。对比业务使用的GRAPES 3DVar系统,增加了温度控制变量。将无量纲Exner气压与流函数的线性风压平衡方程直接在地形追随垂直坐标面上求解,且通过广义共轭余差法(GCR)求解扰动亥姆霍兹(Helmholtz)伴随方程。利用人造“探空”资料对2015年10月台风“彩虹”进行了理想数值试验。试验结果表明,所开发的扰动四维变分同化框架得到了预期的结果,即同化更多资料并反复受到模式约束的四维变分同化系统能有效改善初值质量,进而改善区域数值预报。建立的区域四维变分同化框架合理可行,为进一步发展包含完整物理过程的区域四维变分同化系统奠定了研究基础。 相似文献
9.
10.
基于华南地区自动站逐小时观测资料, 采用传统站点评分、邻域法等评估华南区域高分辨率数值模式(包括GRAPES_GZ_R 1 km模式和GRAPES_GZ 3 km模式)对降水、地面温度和风场等要素的预报能力。结果表明: GRAPES_GZ_R 1 km模式的降水预报技巧优于GRAPES_GZ 3 km模式, 模式预报以正偏差为主。对于不同起报时间的预报, 00时(世界时, 下同)起报的预报效果优于12时。GRAPES_GZ_R 1 km模式的TS评分是GRAPES_GZ 3 km模式的两倍以上, 对不同降水阈值的评分均较高。分数技巧评分(FSS)显示GRAPES_GZ_R 1 km模式6 h累计降水预报在0.1 mm、1 mm及5 mm以上的降水均可达到最低预报技巧尺度, 对所检验降水对象的空间位置把握能力更好。2 m气温和10 m风速检验结果表明两个模式均能较好把握广东省温度的分布特征, GRAPES_GZ_R 1 km模式对2 m气温预报结果优于GRAPES_GZ 3 km模式, 预报绝对误差更小; 两个模式对风速的预报整体偏强, 预报偏差在1~4 m/s之间, 但相比之下GRAPES_GZ 3 km模式在风场预报上表现更好。GRAPES_GZ_R 1 km模式的2 m气温和10 m风速预报偏差随降水过程存在明显波动, 强降水过后温度预报整体偏低, 风速预报偏强, 在模式产品订正、使用等需要考虑模式对主要天气系统的预报情况。总的来说, GRAPES_GZ_R 1 km模式的预报产品具有较好的参考价值。 相似文献