项目名称: XBT观测资料系统性偏差影响因素的数值模拟研究

项目编号: No.41476016

项目类型: 面上项目

立项/批准年度: 2015

项目学科: 天文学、地球科学

项目作者: 朱江

作者单位: 中国科学院大气物理研究所

项目金额: 89万元

中文摘要: 全球上层海洋热含量如何变化是气候变化研究的一个基础问题。热含量变化的估计依赖于历史海洋次表层现场观测资料,其中过去50年最主要是XBT。但其系统性偏差,使得历史热含量估计存在很大的不确定性。虽然已有大量研究订正XBT偏差,但到目前为止仍然没有一个广泛认可的最佳订正方案。这主要源于对XBT偏差的认识依然很不够。本项目拟采用一个新一代的流体力学-固体相互作用模型来模拟XBT在海水中下降的详细过程。通过大量的数值模拟试验对XBT型号、海洋温度、海水层结、仪器入水角度、仪器发射高度等因子对XBT的系统性偏差的影响开展研究。利用本项目的模拟结果,和已经收集到的历史XBT的元数据(除了温度廓线观测外还包括发射的船名和甲板高度等相关辅助信息),拟提出新的订正海洋历史XBT资料深度偏差的方案。

中文关键词: 气候变化;数值模拟;海洋观测;XBT

英文摘要: How much the upper ocean is warming? This is a basic question in climate change studies. Estimation on upper ocean heat content (OHC) change relies on in-situ ocean subsurface observations. The majority of ocean subsurface observations are collected by an instrument named XBT. But there are systematic biases in XBT data, which impede an accurate estimation on OHC change. Although lots of researches investigated how to correct XBT bias, yet discrepency occurs among different studies. Scientific community has no general agreement on bias correction methods, because of the limited understanding on the impact factors of XBT bias. In this project, we are going to use a new generation model named Fluidity-Femdem to simulate the free-falling motion of XBT in the ocean and then find the impact factors of the bias. We will examine the possible impact factors including: probe type, ocean temperature, ocean stratification, entry angle and launching height of the probe. According to those results and the meta data collected by authors (including temperature profiles, launching height, cruise name), we will propose a new correction scheme on historical XBT depth bias.

英文关键词: climate change;numerical simulation;ocean observation;XBT

成为VIP会员查看完整内容
0

相关内容

基于流线的流场可视化绘制方法综述
专知会员服务
25+阅读 · 2021年12月9日
卷积神经网络中的注意力机制综述
专知会员服务
75+阅读 · 2021年10月22日
专知会员服务
37+阅读 · 2021年8月31日
专知会员服务
62+阅读 · 2021年1月6日
鲁棒模式识别研究进展
专知会员服务
40+阅读 · 2020年8月9日
「深度神经网络 FPGA 」最新2022研究综述
专知
3+阅读 · 2022年3月26日
浅谈分辨率对模型影响以及训练方法
极市平台
0+阅读 · 2022年1月19日
从最小二乘法到卡尔曼滤波
PaperWeekly
1+阅读 · 2021年12月22日
8点直播~ 图神经网络&知识图谱关键技术分享
图与推荐
0+阅读 · 2021年12月11日
基于流线的流场可视化绘制方法综述
专知
0+阅读 · 2021年12月9日
多模态视觉语言表征学习研究综述
专知
27+阅读 · 2020年12月3日
贝叶斯机器学习前沿进展
机器学习研究会
21+阅读 · 2018年1月21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 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
10+阅读 · 2021年11月10日
Arxiv
13+阅读 · 2021年6月14日
Arxiv
22+阅读 · 2018年8月30日
Arxiv
17+阅读 · 2018年4月2日
小贴士
相关主题
相关VIP内容
基于流线的流场可视化绘制方法综述
专知会员服务
25+阅读 · 2021年12月9日
卷积神经网络中的注意力机制综述
专知会员服务
75+阅读 · 2021年10月22日
专知会员服务
37+阅读 · 2021年8月31日
专知会员服务
62+阅读 · 2021年1月6日
鲁棒模式识别研究进展
专知会员服务
40+阅读 · 2020年8月9日
相关资讯
「深度神经网络 FPGA 」最新2022研究综述
专知
3+阅读 · 2022年3月26日
浅谈分辨率对模型影响以及训练方法
极市平台
0+阅读 · 2022年1月19日
从最小二乘法到卡尔曼滤波
PaperWeekly
1+阅读 · 2021年12月22日
8点直播~ 图神经网络&知识图谱关键技术分享
图与推荐
0+阅读 · 2021年12月11日
基于流线的流场可视化绘制方法综述
专知
0+阅读 · 2021年12月9日
多模态视觉语言表征学习研究综述
专知
27+阅读 · 2020年12月3日
贝叶斯机器学习前沿进展
机器学习研究会
21+阅读 · 2018年1月21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 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009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