同化多源代用资料重建高亚洲地区过去1000年气温

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    41701046
  • 项目类别:
    青年科学基金项目
  • 资助金额:
    25.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    D0102.水文学和气候学
  • 结题年份:
    2020
  • 批准年份:
    2017
  • 项目状态:
    已结题
  • 起止时间:
    2018-01-01 至2020-12-31

项目摘要

Paleoclimate data assimilation (PDA) is a promising approach and a significant issue in the context of past climate research in recent years. PDA has the same theoretical basis as the traditional data assimilation (DA) employed in the field of atmosphere science and its main aim is to optimally estimate past climate states that are both consistent with the climate signal recorded in proxy and the dynamic understanding of the climate system through combining the physical laws and dynamic mechanisms of climate systems represented by climate models with climate signals recorded in proxies. After investigating the latest advances and further key issues of PDA, this research intends to reconstruct the past 1000yrs (AD1000-2000) air temperature over high-Asia at high spatial-temporal resolution (spatial resolution is 60km, and the temporal resolution is 1 year) using PDA with three typical proxies in high-Asia (e.g., tree-ring, ice core, stalagmite) as observation data. Crucial steps of this research include: (1) constructing corresponding forward models of the three proxies; (2) estimating observation errors of the three proxies; (3) designing multi-source information fusion strategy in data assimilation; (4) developing PDA system and (5) implementing PDA experiments based on the PDA system. The research ideas and methods will further enrich the theoretical base of PDA, the research contents will play significant role in the upcoming climate reanalysis project for the past 2000yrs. In addition, the assimilation results will also be a basis data for the study of climate change in high-Asia.
古气候数据同化是目前气候重建领域的一个前沿方向,它植根于大气数据同化的理论框架内,将气候模式和代用资料有效融合,优势互补,以期得到既符合气候变化物理学规律和动力学机制、又包含代用资料记录的气候变化信息的重建结果。本研究准备以高亚洲地区为研究区,选择树轮、冰芯、石笋等高亚洲地区内三种典型的代用资料作为观测数据,构建三类代用资料的正向模型并估计其观测误差,设计多源代用资料在同化过程中的信息融合策略,发展能够同化多源代用资料的古气候数据同化系统,以此开展古气候同化实验并生成高亚洲地区过去1000年(AD1000-2000)高时-空分辨率(空间分辨率60km,时间分辨率1年)的气温数据。研究思路和方法将进一步充实和完善古气候数据同化的理论体系,研究内容也将为国际上即将开展的过去2000年气候再分析工程提供示范,同化结果也将为高亚洲地区气候变化研究提供基础数据。

结项摘要

针对高亚洲地区缺少过去千年、高质量、时空连续、年分辨率气温场资料的问题,本项目采用先进的古气候数据同化方法,借助MPI-ESM-P模式以及PAGES2k工作组最新发布的年分辨率的气温代用资料(包括:树轮、冰芯、石笋、历史文献),重建了过去1000年北半球(包括高亚洲地区)年分辨率的气温场数据。同化重建的气温场和气温观测资料、代用资料重建的气温具有很好的一致性(平均r=0.61, p-value < 0.01)。基于重建的气温场数据,分析了:(1)过去1000年北半球和中国气温变化的时空特征;(2)典型气候特征期(中世纪暖期、小冰期、20世纪暖期)气温场空间分布的异同;(3)中国明清小冰期(1500-2000 AD)不同气候区气温变化规律和偏冷幅度;(4)过去1000年高亚洲地区和北极地区气温变化的异同及变化机制。发现:(1)过去千年北半球气温和中国气温变化在年际尺度上主要与ENSO相位有关,在年代际尺度到百年际尺度上与太阳活动有关;(2)中国明清小冰期存在全区域整体一致偏冷的趋势,最冷出现在19世纪上半页,温带大陆性气候区、温带季风气候区、高寒山地气候区等气候区的偏冷程度明显高于其他气候区;(3)过去千年高亚洲气温变化和北极气温变化高度相关(相关系数=0.75,p-value<0.01)且同步变化。相关成果已整理发表JCR1区论文2篇(见附件)、在审SCI论文3篇。重建的过去1000年北半球气温场数据已经发布在国家青藏高原科学数据中心(https://data.tpdc.ac.cn/)。重建的过去1000年气温场数据可为研究过去千年北半球尺度和区域尺度气温变化提供高质量的基础数据,相关研究结论为认识过去1000年北半球、中国、高亚洲气温协同变化提供了新的认识。

项目成果

期刊论文数量(3)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)
模型与观测的和弦: 地球系统科学中的数据同化
  • DOI:
    --
  • 发表时间:
    2020
  • 期刊:
    中国科学:地球科学
  • 影响因子:
    --
  • 作者:
    李新;刘丰;方苗
  • 通讯作者:
    方苗
An Artificial Neural Networks‐Based Tree Ring Width Proxy System Model for Paleoclimate Data Assimilation
基于人工神经网络的古气候数据同化树木年轮宽度代理系统模型
  • DOI:
    10.1029/2018ms001525
  • 发表时间:
    2019
  • 期刊:
    Journal of Advances in Modeling Earth Systems
  • 影响因子:
    6.8
  • 作者:
    Miao Fang;Xin Li
  • 通讯作者:
    Xin Li
Harmonizing models and observations: Data assimilation in Earth system science
协调模型和观测:地球系统科学中的数据同化
  • DOI:
    --
  • 发表时间:
    2020
  • 期刊:
    SCIENCE CHINA Earth Sciences
  • 影响因子:
    --
  • 作者:
    Xin Li;Feng Liu;Miao Fang
  • 通讯作者:
    Miao Fang

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

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

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