科技信息快递

2019年

  1. 2020年
  2. 2019年
  3. 2018年
  4. 2017年
  5. 2016年
  6. 2015年
  7. 2014年

第八期

  1. 第一期
  2. 第二期
  3. 第三期
  4. 第四期
  5. 第五期
  6. 第六期
  7. 第七期
  8. 第八期
  9. 第九期
  10. 第十期
  11. 第十一期
  12. 第十二期
  13. 第十三期
  14. 第十四期
  15. 第十五期

读图时代

首页 > 《科技信息快递》 >2019年>第八期>读图时代
  • 1.png
    用模式认识大气环流 2020-05-12 英国等4国学者在一项最新发表的文章中,从不同层次的天气气候模式角度,梳理了人类对大气环流的认识历程。图中对简单大气模式与用于天气气候预报复杂模式(即大气GCM,或AGCM模式)之间沿着方程(动力)、边界层过程、非绝热处理、尺度(不同区域尺度和分辨率的对流组织)等几条线进行了归类解析。
  • 2.png
    冰川减少与海平面上升 2020-05-12 瑞士等多国学者梳理了1961-2016年全球19个一阶区域(图中用黑线区分)累积的区域和全球冰川质量平衡及其对海平面上升的贡献。其中阿拉斯加地区总质量改变约为−3,000Gt,相当于海平面上升8mm,是最大的贡献区域。(来源:Nature)
  • 3.png
    冷池形成和维持及其与地形和大气稳定性的联系 2020-05-12 英国气象局学者Sheridan在最新发表的研究中,梳理了冷池(CAP)与地形尺度和大气稳定性的相互作用机制。从预报角度看,这一普遍存在的情形,即在复杂地形上形成的稳定边界层,利用数值预报往往难以驾驭。研究中,作者从图中所示的(a)支持或(b)减缓CAP形成,以及(c)导致其解体的辐射、局地和天气尺度动力因子构成图出发,...
  • 4.png
    水文学100年进展:完成5次跨越 2020-05-12 美国气象学会(AMS)成立百年,学者针对水文学100年的进步,梳理出水文预报的(a)概念模型,(b)确定性洪水预报;(c)耦合陆地表面、地形和水道模型,(d)集合河流洪水预报以及(e)分布模型和河道预测等5次跨越。(来源:AMS)
  • 5.png
    机器学习:透视地球数据 2020-05-12 美国学者在一篇评述机器学习在固体地球科学数据驱动发现中的应用时,梳理了科学家分析数据的过程,解释了常规和机器学习在科学分析中的不同:机器学习类似于通过新的透镜审视数据,而傅里叶分析这样的常规分析方法,则被提前选择好并用于检验一个猜想或简单展示数据的不同。机器学习无疑具有更大的功能空间,将数据与一...
  • 6.png
    用气候和土地利用模式解析生态系统功能 2020-05-12 德国等多国学者在研究气候和土地利用与热带山区生物多样性联系时,用5个气候和土地利用强度(LUI)模式组合,与非洲最大的乞力马扎罗山山脉的30个生态功能之间建立联系。图中给出所有生态功能的Pearson相关矩阵。(来源:Nature)