全球岩石深度的空间估计与其在陆面模拟中的实现

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    41575072
  • 项目类别:
    面上项目
  • 资助金额:
    70.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    D0502.气候与气候系统
  • 结题年份:
    2019
  • 批准年份:
    2015
  • 项目状态:
    已结题
  • 起止时间:
    2016-01-01 至2019-12-31

项目摘要

The setting of the lower boundary is very important to land surface model. Because lacks of data, the existing land surface models have not used any observed and realistic rock depth to set the lower boundary, which reduces the performance of their simulation on water, energy and carbon cycles. This proposed research will establish a global depth to bedrock and depth to saprolite, and then implement them into land surface model. First, we will standardize and quality control collected data, and identify the depth to bedrock and depth to saprolite. Second, we will establish several spatial prediction models and compare them, and use the best one to estimate depth to bedrock and depth to saprolite for the whole world. Finally, we will improve the underground layer scheme of land surface model, set hydraulic and thermal parameters of bedrock and saprolite different from soil, and assess effects on the modeling results. It is expected that the performance of land surface model will be improved.
下边界的设定对陆面模式至关重要。因数据缺乏,现有的陆面模式尚未采用符合实际的观测的岩石深度作为其下边界,降低了其对水分、能量和碳循环的模拟性能。本申请将建立一套1公里分辨率的全球基岩深度和风化岩深度的数据集,并将其引入到陆面模式当中。首先,对搜集的观测数据进行整理和质量控制,并对基岩深度和风化岩深度进行识别。然后,基于水井和土壤剖面等观测数据和土壤、气候、地形、地质、土地覆盖和土地利用等环境协变量,建立多个空间预测模型并进行比较,用其中最好的模型估计全球基岩深度和风化岩深度。最后,改进陆面模式的地下分层方案,对基岩和风化岩设定不同于土壤的水力和热力参数,评估其对模拟结果的影响,以期改进陆面模式。

结项摘要

下边界的设定对陆面模式至关重要。因数据缺乏,现有的陆面模式尚未采用符合实际的观测的岩石深度作为其下边界,降低了其对水分、能量和碳循环的模拟性能。本研究建立了一套250米分辨率的全球基岩深度和100米分辨率的中国基岩深度的数据集,并将其引入到陆面模式当中。首先,对搜集的观测数据进行整理和质量控制,并对基岩深度和风化岩深度进行识别。然后,基于水井和土壤剖面等观测数据和土壤、气候、地形、地质、土地覆盖和土地利用等环境协变量,建立多个空间预测模型并进行比较,采用集合预报模型估计全球和中国基岩深度。对于中国,我们还估计了基岩深度的不确定性空间分布,为模式的不确定性分析提供了基础。最后,改进陆面模式的地下分层方案,对基岩设定不同于土壤的水力和热力参数,评估其对模拟结果的影响,改进了陆面模式。另外,基岩深度作为地球关键带的下边界,对地学相关研究和应用具有重要意义。

项目成果

期刊论文数量(5)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)
Using data-driven methods to explore the predictability of surface soil moisture with FLUXNET site data
使用数据驱动的方法利用 FLUXNET 站点数据探索表层土壤湿度的可预测性
  • DOI:
    10.1109/tmag.2019.2901579
  • 发表时间:
    2019
  • 期刊:
    Hydrological Processes
  • 影响因子:
    3.2
  • 作者:
    Pan Jinjing;Wei Shangguan;Li Lu;Yuan Hua;Zhang Shupeng;Lu Xinjie;Wei Nan;Dai Yongjiu
  • 通讯作者:
    Dai Yongjiu
A review of the global soil property maps for Earth system models
地球系统模型全球土壤特性图综述
  • DOI:
    10.5194/soil-5-137-2019
  • 发表时间:
    2019
  • 期刊:
    SOIL
  • 影响因子:
    --
  • 作者:
    Dai Yongjiu;Wei Shangguan;Nan Wei;Xin Qinchuan;Hua Yuan;Zhang Shupeng;Liu Shaofeng;Lu Xingjie;Wang Dagang;Yan Fapeng
  • 通讯作者:
    Yan Fapeng
Reexamination and further development of two-stream canopy radiative transfer models for global land modeling
用于全球陆地建模的两流冠层辐射传输模型的重新审查和进一步发展
  • DOI:
    10.1002/2016ms000773
  • 发表时间:
    2017
  • 期刊:
    Journal of Advances in Modeling Earth Systems
  • 影响因子:
    6.8
  • 作者:
    Yuan Hua;Dai Yongjiu;Dickinson Robert E;Pinty Bernard;Wei Shangguan;Zhang Shupeng;Wang Lili;Zhu Siguang
  • 通讯作者:
    Zhu Siguang
Incorporating root hydraulic redistribution and compensatory water uptake in the Common Land Model: Effects on site level and global land modeling
将根系水力再分配和补偿性吸水纳入共同土地模型:对场地水平和全球土地模型的影响
  • DOI:
    10.1002/2016jd025744
  • 发表时间:
    2017
  • 期刊:
    JOURNAL OF GEOPHYSICAL RESEARCH-ATMOSPHERES
  • 影响因子:
    4.4
  • 作者:
    Zhu Siguang;Chen Haishan;Zhang Xiangxiang;Wei Nan;Wei Shangguan;Yuan Hua;Zhang Shupeng;Wang Lili;Zhou Lihua;Dai Yongjiu
  • 通讯作者:
    Dai Yongjiu
Mapping the global depth to bedrock for land surface modeling
将全球深度映射到基岩以进行地表建模
  • DOI:
    10.1002/2016ms000686
  • 发表时间:
    2017
  • 期刊:
    Journal of Advances in Modeling Earth Systems
  • 影响因子:
    6.8
  • 作者:
    Wei Shangguan;Hengl Tomislav;de Jesus Jorge Mendes;Yuan Hua;Dai Yongjiu
  • 通讯作者:
    Dai Yongjiu

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

通用陆面模式(CoLM)湖泊过程方案与性能评估
  • DOI:
    10.1360/n972018-00609
  • 发表时间:
    2018
  • 期刊:
    科学通报
  • 影响因子:
    --
  • 作者:
    戴永久;魏楠;黄安宁;朱司光;上官微;袁华;张树鹏;刘少锋
  • 通讯作者:
    刘少锋
A Hybrid Deep Learning Algorithm and its Application To Streamflow Prediction
一种混合深度学习算法及其在水流预测中的应用
  • DOI:
    --
  • 发表时间:
    2021
  • 期刊:
    journal of hydrology
  • 影响因子:
    --
  • 作者:
    林泳恩;王大刚;Guiling Wang;邱建秀;龙铠豪;杜懿;解河海;魏忠旺;上官微;戴永久
  • 通讯作者:
    戴永久
Mapping the global depth to bedrock for land surface modeling
将全球深度映射到基岩以进行地表建模
  • DOI:
    10.1002/2016ms000686
  • 发表时间:
    2017
  • 期刊:
    Journal of Advances in Modeling Earth Systems
  • 影响因子:
    6.8
  • 作者:
    上官微;Tomislav Hengl;Jorge Mendes de Jesus;袁华;戴永久
  • 通讯作者:
    戴永久

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

上官微的其他基金

基于可解释人工智能的土壤湿度和径流预报研究及旱涝事件的归因分析
  • 批准号:
    42375144
  • 批准年份:
    2023
  • 资助金额:
    50 万元
  • 项目类别:
    面上项目
基于数据驱动和机器学习模型的土壤湿度的预测研究
  • 批准号:
  • 批准年份:
    2019
  • 资助金额:
    63 万元
  • 项目类别:
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码