中文版 | English

在结果中检索

IOCAS-IR

浏览/检索结果: 共13条，第1-10条 帮助

限定条件    
已选(0)清除 条数/页：   排序方式：
The predictability of atmospheric and oceanic motions: Retrospect and prospects 期刊论文
SCIENCE CHINA-EARTH SCIENCES, 2017, 卷号: 60, 期号: 11, 页码: 2001-2012
作者:  Mu Mu;  Duan WanSuo;  Tang YouMin
Adobe PDF(817Kb)  |  收藏  |  浏览/下载：215/2  |  提交时间：2018/01/11
Atmosphere-ocean  Predictability  Intrinsic Predictability Limit  Ensemble Forecast  
Why Was the Indian Ocean Dipole Weak in the Context of the Extreme El Nino in 2015? 期刊论文
JOURNAL OF CLIMATE, 2017, 卷号: 30, 期号: 12, 页码: 4755-4761
作者:  Liu, Lin;  Yang, Guang;  Zhao, Xia;  Feng, Lin;  Han, Guoqing;  Wu, Yue;  Yu, Weidong
Adobe PDF(2569Kb)  |  收藏  |  浏览/下载：310/0  |  提交时间：2017/09/30
Initial error-induced optimal perturbations in ENSO predictions, as derived from an intermediate coupled model 期刊论文
ADVANCES IN ATMOSPHERIC SCIENCES, 2017, 卷号: 34, 期号: 6, 页码: 791-803
作者:  Tao, Ling-Jiang;  Zhang, Rong-Hua;  Gao, Chuan
Adobe PDF(1934Kb)  |  收藏  |  浏览/下载：253/0  |  提交时间：2017/09/29
El Nino Predictability  Initial Errors  Intermediate Coupled Model  Spring Predictability Barrier  
赤道太平洋海洋过程在ENSO 及其变异中的作用 学位论文
, 北京: 中国科学院大学, 2017
作者:  官聪
Adobe PDF(7273Kb)  |  收藏  |  浏览/下载：468/2  |  提交时间：2017/06/06
Enso 年代际跃迁  Enso 非对称性  El Nino  Enso 反馈机制  
太平洋赤道潜流的水团来源及其输运路径 学位论文
, 北京: 中国科学院大学, 2017
作者:  聂珣炜
Adobe PDF(9227Kb)  |  收藏  |  浏览/下载：572/2  |  提交时间：2017/06/05
赤道潜流  水团  输运通道  北太平洋热带水  潜沉  
黑潮延伸体模态转变的可预报性研究 学位论文
, 北京: 中国科学院大学, 2017
作者:  张星
Adobe PDF(11896Kb)  |  收藏  |  浏览/下载：208/1  |  提交时间：2017/05/27
源区黑潮流量季节性下降的可预报性和目标观测研究 学位论文
, 北京: 中国科学院大学, 2017
作者:  张坤
Adobe PDF(8389Kb)  |  收藏  |  浏览/下载：243/2  |  提交时间：2017/05/28
源区黑潮  可预报性研究  目标观测研究  Cnop方法  
黄东海大型底栖动物多样性变化及黑潮的影响 学位论文
, 北京: 中国科学院大学, 2017
作者:  徐勇
Adobe PDF(9554Kb)  |  收藏  |  浏览/下载：285/0  |  提交时间：2017/06/02
大型底栖生物  大型底栖动物  生物多样性  群落结构  时空变化  黑潮  南黄海  东海  
基于条件非线性最优扰动方法和IOCAS ICM的ENSO可预报性研究 学位论文
, 北京: 中国科学院大学, 2017
作者:  陶灵江
Adobe PDF(14083Kb)  |  收藏  |  浏览/下载：444/5  |  提交时间：2017/05/29
中等复杂程度的海气耦合模式（icm）  条件非线性最优扰动（cnop）方法  El Niño模拟和预测  初始场误差  模式参数误差  
Identifying the sensitive area in adaptive observation for predicting the upstream Kuroshio transport variation in a 3-D ocean model 期刊论文
SCIENCE CHINA-EARTH SCIENCES, 2017, 卷号: 60, 期号: 5, 页码: 866-875
作者:  Zhang Kun;  Mu Mu;  Wang Qiang
Adobe PDF(1350Kb)  |  收藏  |  浏览/下载：228/0  |  提交时间：2017/09/29
Sensitive Area  Adaptive Observation  The Upstream Kuroshio Transport  Conditional Nonlinear Optimal Perturbation (Cnop)