项目名称: 南极海冰与冰盖的质量变化及其对全球海平面变化贡献的研究

项目编号: No.41274031

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: 文汉江

作者单位: 中国测绘科学研究院

项目金额: 70万元

中文摘要: 利用卫星激光测高数据、ICEBridge数据、以及GPS连续站、重力、海底压力、InSAR等数据,研究南极冰盖高程变化与重力变化之间的相关性,研究南极冰盖的高程与质量变化,提取南极海冰厚度及其变化信息,通过研究精细的模型估算两极海冰及冰盖变化对全球海平面变化的影响;利用ARGO浮标海洋温度和盐度观测数据,结合其它海洋观测数据,分析全球比容海平面变化;利用GRACE、GOCE重力卫星地球重力场模型推算海水质量变化引起的海平面变化,分析测高海平面变化、比容海平面变化、以及质量变化引起的海平面变化等的相关性;通过主成分分析、小波多分辨分析、Hilbert-Huang变化、以及多维分形分析等方法,提取极地冰盖变化、全球海平面变化、比容海平面变化、海面温度变化等时间序列的主要特征;利用集合卡尔曼滤波、变分同化等方法,融合多源观测数据,估算极地冰盖质量变化以及海冰厚度变化等不同因素引起的海平面变化。

中文关键词: 海平面变化;南极冰盖;比容海平面;海水质量变化;多源观测数据

英文摘要: The sea ice mass fluctuations and ice-sheet mass variations in Antarctica is studied using different kind of observations, such as the satellite laser altimeter data from ICESAT, the measurements from ICEBridge project, the observations from continuously operating reference stations(CORS) , gravity measurements, airborne gravity measurements, satellite gravity observations from GRACE(Gravity Recovery And Climate Experiment) and GOCE(Gravity field and steady-state Ocean Circulation Explorer), sea-floor pressure, InSAR(Synthetic Aperture Radar Interferometry), etc. The correlation between the surface height change and the gravity variations will be studied by using satellite laser altimeter data and the gravity measurements. The model will also be studied for estimating the contribution of ice-sheet mass variations to the global change. The steric sea level change will be studied by using the temperature and salinity measurements from ARGO(the Array for Real-time Geostrophic Oceanography), and other in-situ measurements, and the global steric sea level change will be derived mainly using the ARGO measurements. The impact of the marine mass variations on the global sea level change will be studied by using the GRACE gravity models. The relationships between different sea level quantities will be studied, the total

英文关键词: Sea-level change;Antarctic Ice-sheet;The steric sea level;Sea water quality change;Multi-source data

成为VIP会员查看完整内容
0

相关内容

专知会员服务
52+阅读 · 2021年10月1日
专知会员服务
39+阅读 · 2021年5月12日
专知会员服务
143+阅读 · 2021年2月3日
专知会员服务
32+阅读 · 2021年2月1日
生物数据挖掘中的深度学习,诺丁汉特伦特大学
专知会员服务
66+阅读 · 2020年3月5日
微软Women Think Next『智见她未来』踏春而至
微软研究院AI头条
0+阅读 · 2022年4月14日
贝索斯和马斯克比拼放卫星
36氪
0+阅读 · 2022年4月11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
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 · 2009年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月18日
Transfer Adaptation Learning: A Decade Survey
Arxiv
37+阅读 · 2019年3月12日
小贴士
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 · 2009年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员