本文利用37个CMIP5模式和CESM(Community Earth System Model)包含40个成员的超级集合试验的表面气温预估数据,比较了工业革命前气候参照试验、多项式拟合法和方差分析方法这三种目前在国际上运用较多的方法所估算的表面气温内部变率的...
详细信息
本文利用37个CMIP5模式和CESM(Community Earth System Model)包含40个成员的超级集合试验的表面气温预估数据,比较了工业革命前气候参照试验、多项式拟合法和方差分析方法这三种目前在国际上运用较多的方法所估算的表面气温内部变率的异同,分析了内部变率的估算对气候预估中信号萌芽时间(TOE)的影响。结果表明:若采用CMIP5多模式集合,则工业革命前气候参照试验和多项式拟合法都是估算内部变率的合理方法,而方差分析方法则由于包含模式性能自身的影响会夸大内部变率故不推荐使用。内部变率的全球分布呈现出极向强化的现象,中高纬度地区的内部变率幅度远大于热带、副热带地区。内部变率受不同排放情景的影响较小,且随时间无显著变化,但方差分析方法估算的内部变率在热带地区容易受到排放情景的影响。若基于类似CESM这样的单个气候模式的超级集合模拟试验来估算内部变率,三种方法估算的结果相似。不同方法估算的内部变率对TOE的影响主要位于北大西洋拉布拉多海、南大洋威德尔海和罗斯海等邻近海洋深对流区。对于中国区域平均来说,基于CESM超级集合模拟试验,三种方法估算的内部变率与强迫信号之比都小于15%;对CMIP5多模式集合,采用工业革命前气候参照试验和多项式拟合法得到的结果与此接近,但若采用方差分析方法则显著高估内部变率的作用。
铱星作为低轨道卫星,传输速率快,信息损耗率小,是大范围应用于海洋研究的通信卫星,其信号质量的可靠性对铱星通信终端的数据发送及能量利用率有重要影响,故对铱星信号的监测和分析至关重要。本文在有效监测铱星信号的基础上,使用滑动窗口算法对时序信号质量做总体评估,从而方便对数据进行预处理。并利用极端梯度提升算法(eXtreme Gradient Boosting, XGBoost)的学习预测功能对信号进行分类预测,判断信号是否存在干扰以择优数据发送方案。提高铱星通信终端能量的利用率,减少数据发送的丢失率。研究结果表明:预测模型AUC(Area Under the Curve of ROC)面积为0.74~0.78;预测精确率为0.76~0.82;该预测模型可有效实现铱星通信终端设备的能量优化。
暂无评论