简介:通过GIS和富客户端RIA技术,开发了旅游公众服务系统。采用富客户端技术Silverlight,构建友好的用户界面;在旅游地图服务和信息查询基础上,挖掘旅游要素属性数据,保证系统的实用性和易用性;增加图片、视频等多媒体信息,加强系统的形象性和趣味性;采用虚拟旅游、三维漫游等方式,丰富系统的表现形式。
简介:本文利用CMIP5中22个全球气候模式模拟结果和相关社会经济数据,对RCP8.5情景下中国未来近期(2016-2035年)、中期(2046-2065年)、远期(2080-2099年)3个时段高温灾害风险的变化趋势进行了定量预估.结果表明:中国未来不同时期高温致灾危险度可能逐步增加;未来不同时期高温风险也趋于升高.Ⅲ级及以上的高温灾害风险等级范围将增大,特别是东北三省、内蒙古、陕西、宁夏、贵州、福建等省(区)处于高风险等级的面积明显增大,山东、河北、河南、安徽在近期将出现V级高温灾害风险,中期和远期V级高温灾害风险将扩展到江苏、湖南、湖北、江西、四川、广西和广东等省(区).
简介:参予联合模型Intercomparison工程的十七个模型分阶段执行5(CMIP5)活动在他们华南海(SCS)海洋热内容(OHC)的历史的模拟上被比较在上面300m。Ishiis温度数据,基于世界海洋数据库2005(WOD05)并且世界海洋地图集2005(WOA05),被用来由比较季节的OHC的空间模式估计模型表演异例(OHCa)气候学,OHC气候学,每月的OHCa气候学,并且OHCa的interannual可变性。在数据设置了的Ishiis的空间模式证明季节的SCSOHCa气候学,两个在冬季和夏天,被风压力和当前的发行量强烈在SCS和它的附近的区域影响。然而,CMIP5适当地为现在的相当不同的空间模式和仅仅一些模型建模在Ishiis捕获主导的特征模式。在他们之中,GFDL-ESM2G具有最好的表演。SCSOHC气候学在上面300m在不同模型极大地变化。他们中的大多数比从Ishiis数据计算的那些伟大得多。然而,在每17个CMIP5模型的每月的OHCa气候学在Ishiis作为那产出类似的变化和大小。至于interannual可变性,在大多数模型的OHCa时间系列的标准差比在Ishiis的那些有点大。在从每17个模型的IshiisOHCa和那的interannual时间系列之间的关联不是令人满意的。在他们之中,BCC-CSM1.1有最高的关联到Ishiis,与大约0.6的一个系数。
简介:利用22个CMIP5全球气候模式模拟结果,结合社会经济以及地形高度数据,分析了RCP8.5温室气体排放情景下21世纪近期(2016-2035年)、中期(2046-2065年)和后期(2080-2099年)中国洪涝致灾危险性、承灾体易损性以及洪涝灾害风险.结果表明,洪涝灾害危险等级较高的地区集中在中国的东南部,洪涝承灾体易损度高值区位于中国的东部地区.在RCP8.5情景下,未来我国洪涝灾害高风险区主要出现在四川东部、华东的大部分地区、华北的京津冀地区、陕西和山西的部分地区以及东南沿海部分地区.东北地区的各大省会城市面临洪涝灾害的风险也很高.与基准期(1986-2005年)相比,21世纪后期,虽然发生洪涝灾害的区域变化不大,但高风险区域有所增加.鉴于模式较粗的分辨率以及确定权重系数的方法学等问题,洪涝灾害风险的预估还存在较大的不确定性.
简介:Experimentaloutputsof11AtmosphericModelIntercomparisonProject(AMIP)modelsfromphase5oftheCoupledModelIntercomparisonProject(CMIP5)areanalyzedtoassesstheatmosphericcirculationanomalyoverNorthernHemisphereinducedbytheanomalousrainfallovertropicalPacificandIndianOceanduringborealwinter.Theanalysisshowsthatthemainfeaturesoftheinterannualvariationoftropicalrainfallanomalies,especiallyovertheCentralPacific(CP)(5°S–5°N,175°E–135°W)andIndo-westernPacific(IWP)(20°S–20°N,110°–150°E)arewellcapturedinalltheCMIP5/AMIPmodels.FortheIWPandwesternIndianOcean(WIO)(10°S–10°N,45°–75°E),theanomalousrainfallisweakerinthe11CMIP5/AMIPmodelsthanintheobservation.DuringElNi°no/LaNi°namaturephasesinborealwinter,consistentwithobservations,therearegeopotentialheightanomaliesknownasthePacificNorthAmerican(PNA)patternandIndo-westernPacificandEastAsia(IWPEA)patternintheuppertroposphere,andthenorthwesternPacificanticyclone(cyclone)(NWPA)inthelowertroposphereinthemodels.ComparisonbetweenthemodelsandobservationsshowsthattheabilitytosimulatethePNAandNWPApatterndependsontheabilitytosimulatetheanomalousrainfallovertheCP,whiletheabilitytosimulatetheIWPEApatternisrelatedtotheabilitytosimulatetherainfallanomalyintheIWPandWIO,astheSSTanomalyissameinAMIPexperiments.ItisfoundthatthetropicalrainfallanomalyisimportantinmodelingtheimpactofthetropicalIndo-PacificOceanontheextratropicalatmosphericcirculationanomaly.
简介:利用2个关于大西洋经向翻转流(AtlanticMeridionalOverturningCirculation,AMOC)的指数:AMOC指数(15oN~65°N、深度为500m以下的AMOC的最大值)和AMOC扩展指数(15°N~65°N、深度为2000~2500m的AMOC的最大值),研究了耦合模式FGOALS-g2(Grid-pointVersion2ofFlexibleGlobalOcean-Atmosphere-LandSystemModel)中的AMOC在CMIP5(CoupledModelIntercomparisonProjectPhase5)的3个典型浓度路径(RepresentationConcentrationPathways,RCP)(RCP2.6、RCP4.5和RCP8.5分别对应于2100年时490、650和1370ppm的CO2浓度水平)下的响应问题,发现:在RCP2.6和RCP4.5浓度路径下,2006~2040年时间段内AMOC指数和AMOC扩展指数都呈现快速下降的趋势,2041~2100年时间段内AMOC指数逐渐恢复,AMOC扩展指数基本维持不变;在RCP8.5浓度路径下,2006~2100年时间段内AMOC指数和AMOC扩展指数都表现出快速下降的趋势。通过分析FGOALS-g2中北大西洋深水的成因发现:3个典型浓度路径下AMOC的长期变化趋势主要受到GIN(Greenland–Iceland–Norwegian)海域的深水形成率的调控,而AMOC的年代际尺度的变化则主要受到Labrador海域深水形成率的控制。同时揭示了:由于北大西洋2000m深度附近的层结稳定性在RCP2.6和RCP4.5下(相比于1980~2005年)提高了30%~40%,使得由AMOC指数恢复产生的深水无法继续下沉,从而导致AMOC扩展指数没有出现恢复的现象。
简介:丽江-小金河断裂斜切中国西南“川滇菱块”,走向北东,为一高角度斜滑断裂.与平面遥感影像相比,通过三维影像解译断错地貌有显著的优越性.印度P5卫星数据具备真正2.5m分辨率,在制图方面,像对生成DEM以及制图精度可达1∶25000.本文依据立体像对提取DEM的原理,利用ENVI软件DEMExtraction模块提耿出了丽江-小金河断裂带P5立体像对的DEM.文中利用等高线套合分析法和剖面线法对DEM精度进行评价,结论认为,DEM精度优于1∶5万地形图等高线高程精度,而且与实时动态差分(RTK)测量结果比较一致.文章重点选取了丽江市北东方向干塘子和西南方向南溪盆地两处,将三种高程数据——从P5立体像对提取出的DEM、googleearth影像地形高程和1∶5万矢量地形图等高线生成的DEM,结合GoogleEarth影像做成三维立体影像,较为直观地对三种高程数据进行了有效的对比,结论认为,P5立体像对生成的DEM精度最高.在室内利用高精度三维立体图对丽江-小金河断裂断层地貌进行了解译,经过野外踏勘和探槽验证,证明三维影像解译具有很高的利用价值.