导读:本文包含了海面气温论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:海面,气温,神经网络,算法,湿度,系数,辐射计。
海面气温论文文献综述
郭黎[1]（2016）在《基于多源微波辐射计数据的近海面气温反演研究》一文中研究指出微波辐射计具有穿云透雾、全天时、全天候的优点,现已广泛应用于大气、海洋和陆地微波遥感等众多领域。近海面气温是描述气象海洋环境的重要参数,也是气象观测资料中基本的观测项目之一。目前,对于近海面气温的反演,尚没有业务化的反演算法和产品。本文基于多源微波辐射计数据(AMSR2、TMI和SSM/I)、浮标实测数据和ECMWF再分析数据,利用多元回归算法和BP神经网络方法对近海面气温进行反演研究,并基于最优插值算法,对微波辐射计数据所反演的全球近海面气温结果进行融合,生成多源遥感近海面气温融合数据。本文主要研究内容和结论如下:(1)系统阐述了微波辐射传输方程的传输原理和具体公式,并对微波辐射的相关基础知识进行了简要的介绍。所用数据种类较多,有辐射计数据(AMSR2、SSM/I和TMI)、浮标数据(TAO、RAMA和PIRATA)、ECMWF再分析数据和红外-微波融合的SST产品,对数据来源、特性和预处理方法给出了详细说明。(2)近海面气温反演研究。基于线性回归方法,利用AMSR2、SSM/I和TMI数据,反演了全球近海面气温。并基于浮标实测数据进行了检验,结果表明:AMSR2平均偏差为0.025℃,均方根误差为1.22℃,相关系数为0.99;SSM/I平均偏差为0.24℃,均方根误差为1.19℃,相关系数为0.99;TMI平均偏差为-0.0054℃,均方根误差为0.70℃,相关系数为0.94。同时开展了基于BP神经网络算法的全球近海面气温反演研究,结果表明:AMSR2平均偏差为0.17℃,均方根误差为1.19℃,相关系数为0.99;SSM/I平均偏差为0.12℃,均方根误差为1.06℃,相关系数为0.99;TMI平均偏差为0.38℃,均方根误差为0.85℃,相关系数为0.92。两种方法反演结果,从均方根误差来看,基本一致;而从散点图的分布,BP神经网络算法优于线性回归方法,线性回归方法在低温时不能准确反演近海面气温。(3)近海面气温融合研究。采用最优插值算法对BP神经网络算法所反演近海面气温进行融合,生成了2013年的近海面气温融合产品。利用浮标数据对近海面气温融合结果进行检验,偏差为-0.05℃,均方根误差为0.39℃,相关系数为0.95。对2013年各月近海面气温融合结果分别进行误差统计分析,各月均方根误差均在0.40℃左右。(本文来源于《中国石油大学(华东)》期刊2016-06-01）
龙强,王锋,孟艳静,米欣悦[2]（2014）在《MEOFIS平台在渤海湾北部海面气温和风速精细化预报中的适用性分析》一文中研究指出基于"动力-统计"预报方法的MEOFIS(精细化气象要素客观预报)平台以相关模式预报结果为基础,结合历史实况资料建立预报模型,实现站点的精细化预报.利用2009~2011年的T639模式产品和渤海湾北部相关观测站的数据积累统计建模,并对2012~2013年海面4个季节的气温和风速进行预报统计,对比分析该平台在海面气温和风速预报中的适用性.经客观检验,1℃误差范围内,海面各季节的气温和风速预报准确率均高于陆上的预报;海面日最高、日最低和逐3 h气温预报准确率均超过68%,秋季的日最高气温、逐3 h气温和冬季的日最低气温预报最为理想,准确率分别达86.8%、75.2%和78.9%,春季的气温预报整体不理想;显着性检验结果显示:和T639直接输出的结果相比,MEOFIS在各季节的气温预报中具有明显的订正能力.2 m/s误差范围内,过渡性季节春、秋季的日最大风速预报准确率均超过75.0%,夏季的预报效果较差,但逐3 h风速预报准确率最高,达78.0%,冬季的风速预报效果整体不佳;利用总体平均经验模态分解法(EEMD)对各月逐3 h的海面气温和风速预报误差做滤波处理,结果显示MEOFIS平台对这两要素的预报误差均存在明显的双周震荡波,通过滤波可以提高二者预报的准确率,且气温预报准确率的提高更大.预报偏差和方差小的季节,预报准确率的改善更为理想.(本文来源于《应用海洋学学报》期刊2014年02期）
姜祝辉,游小宝,肖义国[3]（2013）在《星载微波辐射计反演近海面气温进展》一文中研究指出近海面气温是描述气象海洋环境的重要参数,也是气象观测资料中最基本的观测项目之一。随着气象海洋卫星的迅猛发展,利用星载微波辐射计反演近海面气温已成为研究热点。首先针对近些年国内外开展的利用星载微波辐射计反演近海面气温相关研究进行了综述,然后从物理反演机理出发,介绍了星载微波辐射计反演近海面气温的基本原理,给出了改进建议,最后指出了未来星载微波辐射计反演近海面气温研究的方向重点。(本文来源于《创新驱动发展 提高气象灾害防御能力——S1第五届气象综合探测技术研讨会》期刊2013-10-22）
纪文君,张书文,曹瑞雪,沈春燕,王庆业[4]（2013）在《海面拖曳系数C_D的海-气温差订正》一文中研究指出根据海浪冬季波高大于夏季的波高的观测事实,利用Simth(1988)的外海观测资料,对数据进行多元数学回归,提出了海-气温差对对拖曳系数C_D的订正公式,对动量传递过程给出合理的动力学分析,结果简单,物理意义清楚,便于使用.(本文来源于《热带海洋科学学术研讨会暨第八届广东海洋湖沼学会、第七届广东海洋学会会员代表大会论文及摘要汇编》期刊2013-05-01）
伍玉梅,申辉,张胜茂,许卫东[5]（2013）在《AMSR-E辐射计反演南大洋实时海面气温》一文中研究指出利用中国南极第24次至第26次(2008年—2010年)考察获取的实测数据和AMSR-E辐射计亮温资料开展南大洋实时海面气温的反演研究,分析了AMSR-E的各通道亮温与海面气温的相关性,未发现与海面气温相关性较强的观测通道,相关性最高的是23.8GHz水平通道,相关系数为0.38。将实测数据与亮温资料进行数据匹配,得到有效的建模数据集,然后利用多元回归和神经网络两种方法建立海面气温实时反演模型。基于全通道多元回归建立了高纬、低纬海域AMSR-E亮温的反演模型,对反演结果利用实测数据进行验证,高纬海域反演的结果均方根差为0.96℃,相关系数为0.93;低纬海域反演结果均差差为1.29℃,相关性系数0.96。基于BackPropagation(BP)神经网络反演模型的反演结果均方根差为1.26℃,相关系数为0.98。(本文来源于《遥感学报》期刊2013年02期）
吴新荣,韩桂军,张学峰,王喜冬[6]（2012）在《人工神经网络在南海近海面气温反演中的应用研究》一文中研究指出基于人工神经网络方法,利用海面水温、海面风速以及海面气压反演南海近海面气温,采用的基础数据集是国际综合海洋-大气数据集(International Comprehensive Ocean-Atmosphere Data Set,2.4 Release,ICOADS2.4)1981—2008年的观测资料,其中1981—2000年的观测资料用来建立模型,2001—2008年的观测资料用来进行模型检验。采用的人工神经网络方法是引入动量因子并采用批处理梯度下降法的BP(Back propagation)算法。试验结果表明,基于人工神经网络建立的近海面气温反演方法明显优于多元线性回归方法,尤其是在春季和冬季,海面水温、海面风速以及海面气压与近海面气温之间存在较强的非线性关系,人工神经网络的优势更加明显。总体而言,人工神经网络在各月的反演效果较均衡,均方根误差介于1.5—1.8℃之间,平均绝对误差为1.1—1.3℃。(本文来源于《热带海洋学报》期刊2012年02期）
王丽静,何宜军,张彪[7]（2009）在《利用遗传算法反演实时近海面气温和比湿》一文中研究指出使用Advanced Microwave Scanning Radiometer for EOS(AMSR-E)的海洋产品数据海表温度、风速、大气水蒸气、云液态水,通过遗传算法建立其与近海面气温和比湿之间的经验关系,进行近海面气温和比湿的实时反演。反演结果与The Tropical Ocean-Atmosphere(TAO)和The National Data Buoy Center(NDBC)的浮标实测资料进行比较,实时近海面气温和比湿的均方根误差分别为1.18℃和1.36g/kg。分析结果表明,利用遗传算法采用AMSR-E海洋产品数据可以较好地反演近海面气温和比湿。(本文来源于《海洋科学》期刊2009年04期）
伍玉梅,何宜军,孟雷[8]（2008）在《利用卫星资料反演月平均近海面气温和湿度》一文中研究指出为弥补广阔海面上气象参数的观测数据的不足,利用专用成像传感器SSM/I和红外辐射计AVHRR资料进行近海面气温和湿度的反演,首先分析与近海面气温和湿度关系比较密切的几个气象因子及其相关性,并采用神经网络建立近海面气温和湿度与它们之间的关系,利用训练好的网络模型反演月平均近海面气温和湿度,并与TAO和NDBC提供的浮标及观测站的实测数据进行比较,近海面气温和相对湿度的均方根差分别为0.87℃和3.73%。低纬度反演的结果精度较高,达到0.53℃(气温)和2.03%(相对湿度);较大的误差(气温1.06℃、相对湿度3.85%)主要发生在近岸和高纬度区,因为近岸的地形比较复杂,并且很容易受陆地气候的影响;高纬度地区的气候变化比较剧烈,同时目前能得到的高纬度地区的实测资料比较少,这些因素都会影响反演结果的准确度。(本文来源于《海洋与湖沼》期刊2008年06期）
游世林[9]（2004）在《海面气温、湿度遥感信息反演与提取》一文中研究指出20世纪70年代,随着NOAA系列卫星的发射,利用卫星资料进行大气探测得到迅猛的发展。利用卫星资料探测大气,不仅可以探测沙漠,而且可以探测到广阔的海洋。海洋气候是影响地球气候最重要的因素,并且幅员辽阔,资源丰富。海洋不能象我们在陆地那样通过无线电探空仪获得准确的气象资料。因此,我们利用卫星资料反演海上的资料具有重要的意义。海面气温、海面湿度是海洋气象学的重要参数。利用卫星资料得到它们是模块化海洋遥感信息提取技术项目的组成部分。海面气温、湿度反演是利用NOAA卫星的TOVS资料进行反演的。我们得到以上四个参数,可以为海洋天气预报,海洋渔业,海洋工程服务。本论文的研究工作是在国家高技术研究发展计划(863计划)课题模块化海洋遥感信息提取技术下开展的。主要实现海面气温、海面湿度的反演工作,并实现模块化海洋遥感信息提取技术课题的软件集成。在海面气温、湿度反演中成功反演出海上温度和湿度廓线。本论文主要包括以下四部分内容。海面气温、湿度反演理论基础:主要讨论了国内外对反演的理论研究,介绍海面温湿度反演的方法,以及各种因素对反演结果的影响。利用卫星大气探测资料实现海面气温湿度反演:利用TOVS卫星资料对海面气温、湿度的反演办法和过程。海面气温湿度反演的软件实现及系统集成:介绍了海面气温湿度软件实现,反演流程,以及整个系统的集成。海面气温湿度反演的结果分析和误差分析:显示了反演结果,对结果和误差进行了分析。(本文来源于《电子科技大学》期刊2004-02-01）
程展,吴少华[10]（1995）在《低风速下海面附近气温场对海气动量通量的影响》一文中研究指出用实测的海上５层平均风剖面数据和温度剖面数据，通过数据回归和迭代方法计算出了在不同大气稳定情况下的海面阻力系数．得到了与前人理论计算一致的结论：海面阻力系数随海面大气稳定度的增加而减小．另外，我们还发现：在海面风速小于１３ｍ／ｓ时，不能认为气温剖面外推到海面的值与海面水温的值是一致的．这样若用海气温差作为衡量海面上方大气的稳定程度，难于得到上面给出的合理结论．这一点同前人的理论计算结果是不相同的．(本文来源于《海洋预报》期刊1995年01期）
海面气温论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
基于"动力-统计"预报方法的MEOFIS(精细化气象要素客观预报)平台以相关模式预报结果为基础,结合历史实况资料建立预报模型,实现站点的精细化预报.利用2009~2011年的T639模式产品和渤海湾北部相关观测站的数据积累统计建模,并对2012~2013年海面4个季节的气温和风速进行预报统计,对比分析该平台在海面气温和风速预报中的适用性.经客观检验,1℃误差范围内,海面各季节的气温和风速预报准确率均高于陆上的预报;海面日最高、日最低和逐3 h气温预报准确率均超过68%,秋季的日最高气温、逐3 h气温和冬季的日最低气温预报最为理想,准确率分别达86.8%、75.2%和78.9%,春季的气温预报整体不理想;显着性检验结果显示:和T639直接输出的结果相比,MEOFIS在各季节的气温预报中具有明显的订正能力.2 m/s误差范围内,过渡性季节春、秋季的日最大风速预报准确率均超过75.0%,夏季的预报效果较差,但逐3 h风速预报准确率最高,达78.0%,冬季的风速预报效果整体不佳;利用总体平均经验模态分解法(EEMD)对各月逐3 h的海面气温和风速预报误差做滤波处理,结果显示MEOFIS平台对这两要素的预报误差均存在明显的双周震荡波,通过滤波可以提高二者预报的准确率,且气温预报准确率的提高更大.预报偏差和方差小的季节,预报准确率的改善更为理想.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
海面气温论文参考文献
[1].郭黎.基于多源微波辐射计数据的近海面气温反演研究[D].中国石油大学(华东).2016
[2].龙强,王锋,孟艳静,米欣悦.MEOFIS平台在渤海湾北部海面气温和风速精细化预报中的适用性分析[J].应用海洋学学报.2014
[3].姜祝辉,游小宝,肖义国.星载微波辐射计反演近海面气温进展[C].创新驱动发展提高气象灾害防御能力——S1第五届气象综合探测技术研讨会.2013
[4].纪文君,张书文,曹瑞雪,沈春燕,王庆业.海面拖曳系数C_D的海-气温差订正[C].热带海洋科学学术研讨会暨第八届广东海洋湖沼学会、第七届广东海洋学会会员代表大会论文及摘要汇编.2013
[5].伍玉梅,申辉,张胜茂,许卫东.AMSR-E辐射计反演南大洋实时海面气温[J].遥感学报.2013
[6].吴新荣,韩桂军,张学峰,王喜冬.人工神经网络在南海近海面气温反演中的应用研究[J].热带海洋学报.2012
[7].王丽静,何宜军,张彪.利用遗传算法反演实时近海面气温和比湿[J].海洋科学.2009
[8].伍玉梅,何宜军,孟雷.利用卫星资料反演月平均近海面气温和湿度[J].海洋与湖沼.2008
[9].游世林.海面气温、湿度遥感信息反演与提取[D].电子科技大学.2004
[10].程展,吴少华.低风速下海面附近气温场对海气动量通量的影响[J].海洋预报.1995
论文知识图
