项目名称: 气候过程外强迫因子的提取与分析方法

项目编号: No.41275087

项目类型: 面上项目

立项/批准年度: 2013

项目学科: 天文学、地球科学

项目作者: 王革丽

作者单位: 中国科学院大气物理研究所

项目金额: 90万元

中文摘要: 全球变暖的成因是当今气候科学研究的核心问题,同时也是最具争议的问题。人们争议的焦点主要集中在:是哪些外部强迫因子(自然的还是人为的)造成了当今的气候变化,而这些因子又各自起着怎样的作用。许多科学家认为,引起这些争议主要原因,是由于当前人们使用的数值模拟研究方法因模式自身的缺陷而不能提供一个有说服力的结论。从这个意义上说,外强迫因子的分析技术就成了主要的矛盾。因此,发展新的与气候模式的外强迫分析方法并行不悖的新途径,就成为一个亟待解决的问题。为此,本项目将在近几年出现的单一驱动因子提取方法的基础上,发展适用于多驱动因子的气候系统的分析方法。这些方法将完全依靠实际观测资料,借助于它们的时间序列给出的动力学,客观地分析气候系统内部的驱动关系。本项目对于分析当前气候热点问题全球变暖的成因,有很强的针对性和科学参考。

中文关键词: 非平稳气候过程;外强迫;时间序列分析;因果分析;

英文摘要: The causes of global warming is not only the core issue of current climate science research, but also the most controversial issue. The focus of controversy is what external forcing factor (natural or human activities) ruls the climate. Many scientists dispute the numerical simulation methods which may not provide a convincing conclusion. In this sense,techeniques on how to extract the external forcing factors analysis become to be a major contradiction,so establishing the parallel new ways is an urgent problem. Therefore this proposal will base on the single driving factor extraction method and develop multi-factors extraction approaches which are applicable to the analysis of the climate system. These methods will rely entirely on the observed data, by means of the dynamics of the time series and provide an objective analysis of the driven forcings of the climate system. The proposal will present a scientific reference for the current issue of global warming.

英文关键词: non-stationary climate process;external forcing;time series analysis;causality;

成为VIP会员查看完整内容
0

相关内容

深度学习模型鲁棒性研究综述
专知会员服务
91+阅读 · 2022年1月23日
专知会员服务
37+阅读 · 2021年8月31日
专知会员服务
39+阅读 · 2021年5月12日
专知会员服务
144+阅读 · 2021年2月3日
专知会员服务
220+阅读 · 2020年8月1日
【新书册】贝叶斯神经网络,41页pdf
专知会员服务
177+阅读 · 2020年6月3日
因果图,Causal Graphs,52页ppt
专知会员服务
246+阅读 · 2020年4月19日
2021 年 Python 的好与坏
InfoQ
2+阅读 · 2021年11月16日
如何利用深度学习优化大气污染物排放量估算?
微软研究院AI头条
0+阅读 · 2021年8月31日
用深度学习揭示数据的因果关系
专知
28+阅读 · 2019年5月18日
【机器学习】深入剖析机器学习中的统计思想
产业智能官
14+阅读 · 2019年1月24日
一种关键字提取新方法
1号机器人网
21+阅读 · 2018年11月15日
如果你研究多因子模型,这篇文章看不懂就别玩了!
量化投资与机器学习
26+阅读 · 2018年7月31日
论文浅尝 | 利用 RNN 和 CNN 构建基于 FreeBase 的问答系统
开放知识图谱
11+阅读 · 2018年4月25日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
19+阅读 · 2020年12月23日
Arxiv
20+阅读 · 2019年11月23日
小贴士
相关VIP内容
深度学习模型鲁棒性研究综述
专知会员服务
91+阅读 · 2022年1月23日
专知会员服务
37+阅读 · 2021年8月31日
专知会员服务
39+阅读 · 2021年5月12日
专知会员服务
144+阅读 · 2021年2月3日
专知会员服务
220+阅读 · 2020年8月1日
【新书册】贝叶斯神经网络,41页pdf
专知会员服务
177+阅读 · 2020年6月3日
因果图,Causal Graphs,52页ppt
专知会员服务
246+阅读 · 2020年4月19日
相关资讯
2021 年 Python 的好与坏
InfoQ
2+阅读 · 2021年11月16日
如何利用深度学习优化大气污染物排放量估算?
微软研究院AI头条
0+阅读 · 2021年8月31日
用深度学习揭示数据的因果关系
专知
28+阅读 · 2019年5月18日
【机器学习】深入剖析机器学习中的统计思想
产业智能官
14+阅读 · 2019年1月24日
一种关键字提取新方法
1号机器人网
21+阅读 · 2018年11月15日
如果你研究多因子模型,这篇文章看不懂就别玩了!
量化投资与机器学习
26+阅读 · 2018年7月31日
论文浅尝 | 利用 RNN 和 CNN 构建基于 FreeBase 的问答系统
开放知识图谱
11+阅读 · 2018年4月25日
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
微信扫码咨询专知VIP会员