一、热带气象学研究的经济意义和科学任务（论文文献综述）
赵思雄,孙建华[1]（2021）在《顾震潮先生学术思想与高尚品格——学习感悟》文中提出顾震潮先生1920年出生于上海,1976年去世。早年师从赵九章教授,于国立西南联合大学研究生院毕业,1947年赴瑞典斯德哥尔摩大学气象学系攻读博士学位,师从国际着名气象学家C.G.罗斯贝。由于祖国气象事业的迫切需要,1950年5月提前回国。被任命为联合天气分析预报中心主任,后又出任中国科学院大气物理研究所首任所长。他为国家、为人民努力工作,奉献了毕生精力。作为优秀的科学家,他对我国天气学、动力气象学、数值天气预报、青藏高原气象学、云和降水物理学、人工影响天气和大气物理学的发展做出了重大贡献,是主要的先驱和创始人之一。他的学术思想和高尚品格是一笔宝贵的财富,在现在和将来都具有重要的意义,值得我们深深怀念。
黄炜[2]（2021）在《基于卷积神经网络的热带气旋强度估计研究》文中研究说明热带气旋（Tropical Cyclone,TC）是发生在热带亚热带地区洋面上的一种暖心气旋式涡旋,是一种强大而深厚的热带灾害性天气系统。热带气旋强度被定义为热带气旋近中心附近最大持续风,准确估算热带气旋强度是热带气旋预报和灾害预警的关键。德沃夏克技术（Dvorak）被广泛应用于热带气旋定强,深度学习在热带气旋强度估计也表现出了与Dvorak相当的水平。除了Dvorak技术及改进版本仍然存在热带气旋特征提取主观经验性高,误差表达不一致、预处理复杂和各大洋盆地适用性不高等一系列问题外,深度学习强度估计方法也存在着精度优势不显着、多通道卫星观测空间信息利用不足和可解释性低等问题。本文将联合使用多通道卫星观测资料和深度学习技术改善热带气旋定强存在的问题。为此,本文利用热带气旋强度估计数据集,基于卷积神经网络设计热带气旋强度估计模型,进一步提高热带气旋强度估计精度。主要研究内容如下:（1）针对热带气旋样本强度分布不均衡问题,开展热带气旋强度的分类-回归-集成多层耦合强度估计模型研究,提出了集成学习策略。该模型由分类、回归和Model＿BP组成,在训练阶段使用集成学习策略依次训练。在验证阶段分类模型将不同强度的热带气旋样本分为强、中、弱三类,并使用基回归模型分别估计气旋强度;并利用Model＿BP耦合回归和分类模型的输出,进一步降低误差。实验结果表明,使用集成模型能够有效提升模型精度,最终精度为8.91 kts,较Dvorak技术提高了1.52 kts,较当前深度学习方法提高了0.3 kts。（2）为进一步考察卫星垂直立体观测信息对TC强度估计的影响,在红外、水汽和微波通道数据的基础上改进Res Net10基础模型,采用3D卷积和卷积注意力机制提升模型对热带气旋立体信息的提取和模型对暖核的关注度。并利用热带气旋旋转不变性等领域知识进一步优化模型,通过五点平滑精度达7.2 kts,较Dvorak技术提高了3.23 kts,较当前深度学习方法提高了2.01 kts。实验及模型可视化结果表明,本文提出的集成学习策略和多层耦合强度估计模型能够有效解决数据分布不均衡下的回归问题,并且可通过增强对卫星多通道立体信息的提取能力和对暖和的关注度来替换基模型获得更高的精度。本文的方法较Dvorak技术和深度学习强度估计方法均有显着提高。
周春梅[3]（2021）在《地理大概念“热力差异是地表差异的基础”及其教学研究》文中指出随着地理教学改革的不断深入,地理学科教学研究关注的核心课题也呈现出新的特点与趋势。“关注学科本体”是当前地理教学研究的重要趋势,其研究旨趣在于发现和解决地理学科独有的教学问题,揭示地理学科特有的教学规律与原理,而地理大概念因其反映学科本体而备受关注。在一定程度上,地理大概念是落实学科核心素养的产物,而单元教学是实现大概念教学的有效路径。地表差异是地表空间异质性的刻画,是对地球表层地理景观和地理过程差异性表现的一般性概括,在根本上是对“区域差异性”的直观体现。在高中地理课程中,地表差异的相关内容所占比重大,知识分布纵贯必修、选择性必修以及选修等教材。同时,地表差异内容极其复杂多样,从时间视角看,地表差异有动态和静态不同形式的表现;从空间视角看,地表差异有宏观和微观不同尺度的表现。因此,认识地表差异亦是中学地理课程中的重要内容。通过课例分析和文献梳理发现,当前高中地理课程中关于地表差异内容的教学及研究现状不是很理想,缺乏对于地表差异内容的结构化认知,对地表差异内容蕴含的学科价值及其体现策略缺乏深入的研究,也很少关注地表差异内容与人地协调观、综合思维、区域认知、地理实践力间的关联性,特别是在结合地表差异内容渗透地理思维、培养学生的地理关键能力方面更是收效甚微。本研究以“热力差异是地表差异的基础”的地理大概念为线索,以“单元教学”为实现路径,以“地表差异”为主要内容载体,重点探讨以下四个研究问题:其一,“热力差异是地表差异的基础”为何可以作为地理大概念?它包括哪些次级概念、次级概念间有着怎样的关系?其二,“热力差异是地表差异的基础”作为地理大概念具有怎样的解释力?其三,如何依据“热力差异是地表差异的基础”这一地理大概念建构地表差异内容的教学单元?其四,如何围绕“热力差异是地表差异的基础”这一地理大概念进行单元教学的设计?论文首先从地理教学研究的重要趋势、大概念教学的特点以及单元教学的策略等几个维度明晰了本论文的研究背景,阐明了本研究对于地理大概念和地表差异教学的理论意义与实践价值,然后提出了四个研究目标以及要解决的研究问题,并对研究的基本过程和研究方法进行了介绍说明。论文的理论研究部分主要回答了“大概念是什么?”和“大概念有什么用?”的问题。其研究内容由两个部分构成——第一部分,论证地理大概念“热力差异是地表差异的基础”的凝练过程。以“专家思维逻辑、学科知识逻辑、课程内容组织逻辑”三条逻辑路径,作为大概念确定的“明线”;以“学生、教师、专家”三个主体,作为大概念确定的“暗线”,深入论述了“热力差异是地表差异的基础”大概念的确定过程。并基于深入的学理分析,论述这一大概念细化的结果以及次级大概念间的逻辑联系。这一研究过程对“研究问题一”进行了全面地回答。其中,“热力差异是地表差异的基础”大概念及其次级大概念是本文的研究基础。为了保证研究的有效性和科学性,本文对“热力差异是地表差异的基础”大概念的确定过程及细化结果采用“专家咨询问卷”的方法向本领域的专家进行了意见征询。并根据问卷结果的整理和分析,进一步修正、完善了大概念的确定过程及细化结果,最终确定了“热力差异是地表差异的基础”大概念及其三个次级大概念。第二部分,论述地理大概念“热力差异是地表差异的基础”具有怎样的解释力。首先,强调从产生机理和表现形式深刻理解“热力差异”,然后论述如何以“热力差异”为逻辑起点,对自然地理过程和自然地理景观进行成因分析和演化趋势预测,并强调对热力差异及作用结果的分析需要关注尺度和规模。这一研究过程对“研究问题二”进行了全面地回答。论文的实践研究部分主要回答了“大概念怎么用?”的问题。其研究内容由两个部分构成——第一部分,以大概念为线索,呈现建构教学单元的一般逻辑路径,并依据地理大概念“热力差异是地表差异的基础”建构地表差异内容的教学单元。这一研究过程对“研究问题三”进行了全面地回答。第二部分,针对建构的教学单元,确定基于大概念进行单元教学设计的一般思路与环节,并以案例的形式展示如何围绕地理大概念“热力差异是地表差异的基础”开展单元教学设计。这一研究过程对“研究问题四”进行了全面地回答。结论与展望部分,总结概括了本文在地理大概念“热力差异是地表差异的基础”的确定及细化、地理大概念解释力分析以及基于地理大概念的教学实践研究等方面的主要研究结论。同时,对后续能够进一步研究的方向进行了展望,并反思了研究中的不足之处。
王奕清[4]（2021）在《基于计算机视觉的卫星云图反演降水量方法研究》文中认为降水量资料对于农业、社会活动、经济有着重要的意义。在国家气象灾害防护、地区气候研究方面,对广区域的降水量资料有着迫切需求。在当前的气象业务中,获取降水资料主要依赖于当地气象雷达站对雷达回波图的分析和气象卫星传感器遥感算法的反演。然而,国内陆地气象站数量分布稀疏不均匀,广袤的海洋或者沙漠上的长时间固定的雷达探测更是捉襟见肘;已有的卫星遥感算法并不开源,且时空分辨率低、反演精度受不同地区、不同气候的影响较大,无法很好的帮助气象学研究获取广覆盖,全天候监测降水量资料。为了补盲广覆盖,全天候条件下的降水量资料,为高准确度的广覆盖降水量资料获取提供一个新的视角和方法,本文以基于计算机视觉的卫星云图反演降水量方法为研究课题,主要开展如下工作。1)调研计算机视觉在图像分割、语义分割、序列预测问题上的传统算法和深度学习方法,探讨调研雷达测雨、降水预估的相关技术,结合深度卷积网络和长短期记忆人工神经网络,研究解决广覆盖全天候降水资料补盲问题的方法。2)面向本文所获取的诸多训练样本的格式和质量问题进行分析,针对问题分析的结果对卫星遥感云图等参与训练的样本进行处理,制作符合训练要求的高质量标签-样本集。3)针对气象卫星遥感捕捉到的云层特征和雷达回波值之间的非线性关系,提出基于计算机视觉方法的卫星云图反演模型,通过模型抽象提取云层特征,训练模型中的参数,使其能够拟合卫星云图上像素与雷达回波值之间的非线性关系。本文提出的方法在覆盖范围,可移植性,观测时间间隔,清晰度,准确度方面均优于传统的卫星遥感降水量测算的各类算法。4)为了更好地补盲降水量资料,本文提出基于长短期记忆人工神经网络的广覆盖降水量演变预测复合模型,相比传统的光流法外推预测,有着更好地运动预测准确度,可以更准确的预测云层的运动趋势和降水量数值的演变。通过深度卷积神经网络以及长短期记忆人工神经网络对于降水量分布特征、变化的准确预测,经过均方误差以及平衡F参数等对复合模型准确率的检验表明,本文提出的复合模型可以较好的完成全天候,广覆盖降水量反演任务,实现对降水量资料的补盲。
董萍萍[5]（2021）在《基于多模态数据的热带气旋轨迹预测方法研究》文中研究表明热带气旋（即台风或飓风）因其发生频次高、危害程度大、影响范围广和灾害链长等特性对人类生活和自然环境产生了巨大的影响。一直以来,对于热带气旋及其特性的研究受到众多专家学者的关注,其中对于气旋轨迹的研究更是该领域的重点研究课题之一。传统的热带气旋轨迹预测方法主要分为动力学方法（又称数值预测模型）和统计模型。尽管以上方法在一定程度上取得了不错的预测效果。但是也有一定弊端,其中动力学方法依赖强大的计算能力和动态建模气象状态的能力。传统的统计方法往往需要手动特征提取,效率低且依赖专家的领域知识。另外在全球变暖等这极端气候的影响下,强热带气旋有逐年诸多的趋势,影响气旋的外部因素愈加复杂,这也增加了轨迹预测的难度。总的来说,当前热带气旋轨迹预测瓶颈主要在于:（1）难以解决时间维度的长期依赖问题,造成长期预测性能不佳（2）缺乏考虑风眼外围云墙区、螺旋雨带区等特征对于轨迹的影响,难以提取气象因素与轨迹之间的时空关联特征,造成极端气旋轨迹预测困难（3）没有充分利用多种类型的数据,实现不同模态之间的价值互补,导致整体预测效率和准确性遇到瓶颈。鉴于近几年深度学习方法被证明能从大规模数据中自动提取数据之间的空间和时间特征,并且对于复杂结构的数据预测非常高效和准确。深度学习方法为热带气旋轨迹预测目前面临的瓶颈提供了新的解决途径。基于此,本文使用多种模态的热带气旋相关数据,构建新颖的基于多模态数据的集成神经网络轨迹预测模型。在一定程度上解决长期预测困难、极端路径预测性能欠佳等问题。本文的主要研究内容如下:（1）针对数值型最佳轨迹数据中的气旋自身属性和气象因素,构建新型的基于数值数据类型的预测模型。首先使用自相关、偏自相关分析确定最佳输入历史时间。然后提出结合降噪自编码器和基于注意力机制的序列到序列网络的神经网络架构,其中降噪自编码器在进行特征的重构和关联特征的提取的基础上实现降维。序列到序列的网络用于进行长期时序特征提取。（2）针对卫星遥感图像,构造新型的基于图像数据的预测模型。首先对于从图像数据到数值数据难以映射的问题,将预测目标（经纬度值）转化为密度图。接着在充分考虑台风风眼外围云墙区、螺旋雨带区等因素对轨迹产生的影响的基础上,采用基于空间注意力机制的Conv LSTM进行全局和局部的时空特征提取。并且整体使用编码-预测架构实现对极端气旋路径的精准预测。（3）充分使用多种模态数据,弥补单一数据造成的结果偏差。提出新型基时空轨迹的集成方法,将预训练的基于数值数据的预测网络和基于遥感图像数据的预测网络整合,构建基于多模态数据的集成神经网络轨迹预测模型,实现对跨度时间范围长的、路径极端的热带气旋轨迹的精确预测。
何建军,郭郁葱,刘哲,吴捷,李莉[6]（2020）在《2020年度大气科学领域项目评审与资助成果简析》文中进行了进一步梳理介绍了2020年度国家自然科学基金委员会地球科学部五处（大气学科）改革工作;分析了2020年度五处所管理的面上项目、青年科学基金项目、地区科学基金项目、重点项目、国家杰出青年科学基金项目和优秀青年科学基金项目等的申请情况,以及项目评审和资助情况;总结了2019年度五处结题项目完成情况。
孙照渤,陈海山[7]（2020）在《短期气候预测:南京信息工程大学60年回顾与展望》文中研究指明本文从科学发展角度回顾了国内外短期气候预测的发展历程;在此基础上,回顾了南京信息工程大学建校60 a来短期气候预测领域的团队建设及其在教学、科研和预测方面的实践,并展望其未来工作。
王磊,彭旭钢,陈柏洋[8]（2020）在《《海洋气象学》课程教学实践探索》文中认为《海洋气象学》是为海洋科学专业本科生开设的一门专业选修课程,课程的教学任务主要是让学生掌握海洋气象学的基础知识和基本理论。文章从作者近年来的教学实践出发,阐述了有关《海洋气象学》课程的教学实践经验,总结了在课程的内容设计和安排、教学形式的组织、学生学习质量和学习兴趣的提升等方面的具体措施。希望文章对这些具体教学实践经验的总结能够促进《海洋气象学》课程的教学改革,不断提高海洋科学专业复合型人才的培养质量,从而可以更好地满足国家在海洋科技和产业发展过程中对复合型专业人才的迫切需求。
尹羿晖[9]（2020）在《基于湖南CORS观测数据反演水汽时空分布研究》文中提出地球大气与我们的生活生产密切接触且息息相关,水汽是地球大气中含量最为丰富的一种温室气体,其在维持地球的生命生存、温度变化和水文循环等方面中扮演着十分重要的角色。大气水汽是（Global Navigation Satellite System,GNSS）GNSS方面研究的分支GNSS气象学（GNSS/Meteorology,GNSS/MET）的主要研究内容之一,大气中水汽的含量具有较为复杂的空间和时间上的变化,并且这种变化会对气候的演变产生巨大的影响。水汽的积累和变化与降雨形成具有一定的相关性。自然地质灾害的形成很多都是由于降雨直接或间接导致的,因此如果能够完成对大气水汽含量的精确测定、建模及预报,做到大气中水汽含量的实时探测是自然灾害预测中的重要一步。大气水汽含量的传统探测技术缺点较多且误差较大,用大气可降水量的GNSS反演技术探测大气水汽含量,具有精度高、时空分辨率高、可全天候观测和实时探测等特点,并能够弥补传统水汽探测技术的缺陷,近年来得到长足发展。从而使得通过GNSS数据反演大气可降水量来预测降雨的演变成为可能。湖南省卫星导航定位基准站系统（Hunan Province Continuously Operating Reference Stations,HNCORS）的建成满足了使用GNSS数据在全省范围内开展大气可降水量反演的可能性。本文基于HNCORS数据以下几个方面开展研究:（1）在GNSS数据处理方面选用瑞士伯尔尼大学的Bernese软件解算HNCORS网采集的数据,提取天顶方向对流层总延迟（Zenith Troposphere Delay,ZTD）的数值,并结合欧洲中期天气预报中心（European Centre for Medium-Range Weather Forecasts,ECMWF）发布的ERA-Interim和ERA-5这两种气象数据获取HNCORS测站位置的温度和气压等气象数据,经过自己编写的处理脚本软件解算（Zenith Wet Delay,ZWD）和（Precipitable Water Vapor,PWV）,通过实际操作发现并解决数据处理过程中遇到的问题;（2）以2015年的HNCORS数据为例解算出的GNSS/PWV数据结果与探空资料计算得出的大气可降水量结果Radio/PWV进行对比分析和精度评定,对比分析16-18年计算出的湖南省内大气可降水量GNSS/PWV的分布情况和分布特征,分析得出湖南省内大气可降水量的时间空间特征和变化,在与ERA-5的比较中,其差异的偏差在-8～6mm之间,在省内山区比平坦地区的偏差较大。RMSE（Root Mean Square Error）均方根误差值在2～8mm范围内,大部分地区的RMSE值小于3 mm。对于PWV值小于10mm或大于60mm的地区,相对于ERA-5而言,有明显的干湿偏向。此外,还发现RMSE随海拔高度的增加而增加,RMSE与海拔高度之间的相关系数为0.7。（3）通过2015年的HNCORS观测数据解算的GNSS/PWV数据对比分析得出湖南省的时间变化特征和地理分布特征,设法建立一个的精度较高的水汽模型,选取极端天气事件对这期间的大气水汽含量变化进行研究,反演出极端天气中的大气可降水量变化趋势和与天气进展过程的相关性,进一步构建PWV的分布图,对2015年6月6-8日湖南省发生的一次大规模强降水事件期间的水汽变异性进行了单因素分析。结果表明,利用PWV分布图可以分析出强降水期间水汽的积累、输送和汇流情况。由于地形地貌为降水的形成提供了有利的条件,还发现在山区尤其是山地、山腰和山谷地区,降水的强度和PWV大小有着很高的相关性。（4）尝试将GNSS/PWV、Radio/PWV数据并与实测气象资料进行同化建模,选择强对流天气进行验证,进而尝试建立GNSS/PWV用于强对流天气的实时监测和预测模型,证明了全球导航卫星系统观测数据反演得到的PWV数据的准确性,并从全球导航卫星系统网络中生成高质量的PWV分布图,用于近实时天气预报的潜力。
张曼玉[10]（2020）在《《现代汉语词典》第1版与第7版气象词语对比研究》文中认为本文对《现代汉语词典》第1版和第7版中收录的气象词语进行了对比分析。从词语整体情况、收录情况、释义情况等方面进行了具体对比与分析,并结合语料库对增删词语、增删义项以及语义泛化的使用情况进行了考察。具体分为以下几个部分。第一章为绪论,主要介绍了本文的选题缘由、研究对象、研究现状,以及研究方法。第二章为两版词典中气象词语的概貌描写,从音节特征、义项数量和义类分布情况进行了描写,首先音节上以双音节词为主,有部分单音节词和多音节词语。从义项数量上看以单义词语为主,义类分布以温度类词语最多。第三章为两版词典气象词语收录变化研究,词典编纂方面我们从整体收录变化情况、增删方式、增删词语的语言特征进行了考察。同时采用语料库检验的方式探究条目增删与词语使用频率之间的关系,得出词典收录条目的增加和删减一方面受编纂原则和理念以及技术水平的影响,另一方面反映了社会语言词汇的状态。第四章为两版词典同收气象词语的释义对比研究,从释义增加、释义删减以及释义修改三方面进行考察,释义增加和删减从宏观增删到微观局部调整细分为义项、特殊标注和语句的变化三方面。两版的气象词语释义变化以释义修改的类型为主,释义增加和删减的相对较少,最后从词义演变的角度论证了两版气象词语在词义演变上主要体现为词义的扩大。第五章为气象词语的新增泛化现象研究。我们发现一些未见于第1版而第7版出现的气象词语用于其他领域的现象,按泛化方式分为比喻式泛化和引申式泛化两类。同时参照语料库发现有些词语在实际使用中易出现语义泛化现象,但还未见收于词典。针对未收录的泛化词语,我们筛选出使用频率高的词语为《现汉》修订提供参考。最后指出产生时间长,与人们生活联系密切,具有动态性、形象性的气象词语容易发生泛化使用。第六章是结语,对本文的研究成果进行了概括和总结。
二、热带气象学研究的经济意义和科学任务（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：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（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。
三、热带气象学研究的经济意义和科学任务（论文提纲范文）
（1）顾震潮先生学术思想与高尚品格——学习感悟（论文提纲范文）
| 引言 |
| 1 天气预报业务服务:国家重大需求,永远摆在首位 |
| 2 天气学理论研究:突出中国特色,绝不盲从 |
| 3 青藏高原气象学研究:团结协作,敢打硬仗 |
| 4 数值天气预报:瞄准国际前沿,跻身世界前列 |
| 5 云降水物理及人工影响天气:密切联系实际,深入钻研理论 |
| 6 治学理念:高瞻远瞩,严谨务实 |
| 6.1 学科交叉思路开阔 |
| 6.2 高瞻远瞩目光远大 |
| 6.3 对研究成果的应用终身负责 |
| 6.4 不写空头文章要言之有物 |
| 7 人民的科学家:平民学者 |
| 8 结语 |
（2）基于卷积神经网络的热带气旋强度估计研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 气象学热带气旋定强方法 |
| 1.2.2 深度学习热带气旋定强方法 |
| 1.3 主要研究内容 |
| 1.4 论文结构安排 |
| 第二章 热带气旋强度估计相关内容介绍 |
| 2.1 Dvorak及其衍生技术 |
| 2.1.1 Dvorak技术 |
| 2.1.2 ADT技术 |
| 2.1.3 DAVT技术 |
| 2.1.4 AMSU方法 |
| 2.2 深度学习与热带气旋定强技术 |
| 2.2.1 卷积神经网络介绍 |
| 2.2.2 基于卷积神经网络的热带气旋定强 |
| 2.3 TCIR数据集 |
| 2.3.1 热带气旋立体观测信息 |
| 2.3.2 热带气旋样本强度分布 |
| 2.4 评价指标 |
| 2.5 本章小结 |
| 第三章 基于卷积神经网络的热带气旋强度估计集成模型设计 |
| 3.1 模型设计 |
| 3.2 数据处理 |
| 3.3 模型训练 |
| 3.3.1 集成学习策略 |
| 3.3.2 基模型训练 |
| 3.3.3 基模型集成 |
| 3.4 结果验证 |
| 3.4.1 模型在TC完整生命周期下的表现 |
| 3.4.2 TC强度特征提取 |
| 3.4.3 粗粒度模型和细粒度模型 |
| 3.4.4 模型的噪声 |
| 3.4.5 模型集成 |
| 3.5 本章小结 |
| 第四章 基于热带气旋云特征的强度估计模型研究 |
| 4.1 模型设计 |
| 4.1.1 基础模型 |
| 4.1.2 注意力机制 |
| 4.1.3 2D和3D卷积 |
| 4.2 模型训练 |
| 4.3 结果验证 |
| 4.3.1 可视化分析 |
| 4.3.2 多通道验证 |
| 4.3.3 误差分析 |
| 4.3.4 热带气旋个例验证 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 作者简介 |
（3）地理大概念“热力差异是地表差异的基础”及其教学研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 一、研究背景 |
| 二、研究意义 |
| 三、研究问题与研究目标 |
| 四、研究方法与研究过程 |
| 五、论文结构与内容概要 |
| 六、拟创新点 |
| 第二章 文献综述 |
| 第一节 关于地理大概念的研究综述 |
| 一、大概念研究脉络及其内涵 |
| 二、地理教学中的大概念研究 |
| 第二节 基于大概念的单元教学研究 |
| 一、单元教学的内涵及组织逻辑 |
| 二、基于大概念的单元教学设计 |
| 第三节 地表差异内容的教学现状 |
| 一、高中地理课程中地表差异的主要内容 |
| 二、高中地理课程中地表差异的教学现状 |
| 第三章 “热力差异是地表差异的基础”大概念及其次级大概念的确定 |
| 第一节 大概念确定的逻辑理路 |
| 一、专家思维逻辑 |
| 二、学科知识逻辑 |
| 三、课程内容组织逻辑 |
| 第二节 大概念细化的缘由及结果 |
| 一、大概念细化的缘由 |
| 二、大概念细化的结果 |
| 第三节 次级大概念的学科理解及关系分析 |
| 一、次级大概念的学科理解 |
| 二、次级大概念的关系分析 |
| 第四章 “热力差异是地表差异的基础”大概念及次级大概念专家认同度调查 |
| 第一节 专家咨询问卷的设计与实施 |
| 一、专家咨询问卷的目的 |
| 二、专家咨询问卷的设计 |
| 三、专家咨询问卷的实施 |
| 第二节 专家咨询的结果与意见分析 |
| 一、分析方法 |
| 二、分析结果 |
| 第五章 “热力差异是地表差异的基础”作为地理大概念的解释力分析 |
| 第一节 地表热力差异的产生机理及表现形式 |
| 一、地表热力差异的概念理解及产生机理 |
| 二、地表热力差异的影响因素及表现形式 |
| 第二节 热力差异之于自然地理过程的解释力分析 |
| 一、热力差异是分析自然地理过程动力因素的起点 |
| 二、从热力差异出发可推测自然地理过程的演化趋势 |
| 三、以热力差异为起点认识自然地理过程的典型案例 |
| 第三节 热力差异之于自然地理景观差异的解释力分析 |
| 一、热力差异是认识自然地理景观差异性表现的起点 |
| 二、从热力差异出发可推测自然地理景观的演化趋势 |
| 三、以热力差异为起点认识自然地理景观的典型案例 |
| 第四节 对热力差异作用结果的分析需关注尺度和规模 |
| 一、关注尺度和规模的“尺度思想”蕴含怎样的育人价值 |
| 二、尺度大小的辨识是热力差异及其作用结果分析的前提 |
| 三、改变尺度大小是对热力差异及其作用结果分析的方法 |
| 第六章 基于“热力差异是地表差异的基础”大概念建构教学单元 |
| 第一节 基于大概念建构教学单元的一般逻辑路径 |
| 一、基于大概念建构教学单元的理论路径 |
| 二、基于大概念建构教学单元的操作路径 |
| 第二节 基于“热力差异是地表差异的基础”的教学单元建构案例 |
| 一、基于大概念建构“自然地理过程”教学单元 |
| 二、基于大概念建构“自然地理景观”教学单元 |
| 第七章 基于“热力差异是地表差异的基础”大概念开展单元教学设计 |
| 第一节 基于大概念开展单元教学设计的思路与环节 |
| 一、单元教学设计的一般思路与环节 |
| 二、基于大概念的单元教学设计思路 |
| 第二节 基于“热力差异是地表差异的基础”的单元教学设计案例 |
| 一、“大气运动”单元问题链的确定 |
| 二、“大气运动”单元教学设计过程 |
| 结论与展望 |
| 一、主要结论 |
| 二、研究展望 |
| 参考文献 |
| 附录 |
| 后记 |
| 在学期间发表的论文及着作情况 |
（4）基于计算机视觉的卫星云图反演降水量方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究工作的背景与意义 |
| 1.2 国内外研究历史与现状 |
| 1.2.1 卫星遥感降水技术 |
| 1.2.2 雷达外推预测技术 |
| 1.2.3 计算机视觉 |
| 1.3 主要工作内容 |
| 1.4 本论文的结构安排 |
| 第二章 计算机视觉相关概念概述 |
| 2.1 语义分割概述 |
| 2.1.1 图像分割的传统方法 |
| 2.2 卷积神经网络 |
| 2.2.1 卷积神经网络概述 |
| 2.2.2 基础结构与算法概念 |
| 2.3 长短时记忆人工神经网络 |
| 2.3.1 基本原理 |
| 2.4 本章小结 |
| 第三章 基于语义分割的卫星云图反演降水量模型 |
| 3.1 人工智能时代的语义分割 |
| 3.2 数据介绍 |
| 3.2.1 卫星数据 |
| 3.2.2 雷达回波数据 |
| 3.2.3 水汽通道 |
| 3.2.4 问题分析 |
| 3.2.5 数据预处理 |
| 3.2.6 数据集制作 |
| 3.3 模型搭建 |
| 3.3.1 经典编码器-解码器 |
| 3.3.2 模型实现 |
| 3.3.3 模型训练与调优 |
| 3.4 卫星云图反演结果分析 |
| 3.4.1 结果评估标准 |
| 3.4.2 模型结果分析与数据后处理 |
| 3.5 本章小结 |
| 第四章 基于遥感序列信息的降水量分布预测 |
| 4.1 卷积长短时记忆神经网络理论 |
| 4.2 基于卫星遥感图像的降水预测模型 |
| 4.2.1 数据集获取 |
| 4.2.2 复合模型实现 |
| 4.2.3 模型结果衡量指标 |
| 4.2.4 复合模型结果分析 |
| 4.3 本章小结 |
| 第五章 全文总结与展望 |
| 5.1 全文总结 |
| 5.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 攻读专业硕士学位期间取得的成果 |
（5）基于多模态数据的热带气旋轨迹预测方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究进展 |
| 1.2.1 传统预测方法 |
| 1.2.2 基于深度学习的方法 |
| 1.3 研究意义 |
| 1.4 本文研究内容 |
| 1.5 全文组织结构 |
| 第2章 相关基础理论 |
| 2.1 热带气旋轨迹预测相关概念 |
| 2.2 热带气旋数据描述 |
| 2.3 时空序列预测与多模态数据融合 |
| 2.4 深度学习算法概述 |
| 2.4.1 算法基本原理 |
| 2.4.2 时间序列预测方法 |
| 2.4.3 时空序列预测方法 |
| 2.5 基于多模态数据的热带气旋轨迹预测模型概述 |
| 2.6 本章小结 |
| 第3章 基于DAE-Seq2Seq的轨迹预测模型 |
| 3.1 引言 |
| 3.2 问题建模 |
| 3.3 基于DAE-Seq2Seq的预测模型 |
| 3.3.1 预处理 |
| 3.3.2 降噪自编码器 |
| 3.3.3 基于注意力的Seq2Seq网络 |
| 3.4 模型训练方法 |
| 3.5 实验设置 |
| 3.5.1 数据集描述 |
| 3.5.2 实验设备环境 |
| 3.5.3 评价指标 |
| 3.5.4 基线方法与参数设置 |
| 3.6 实验结果与分析 |
| 3.6.1 数据预处理 |
| 3.6.2 时间维度特征选择 |
| 3.6.3 模型的参数设定 |
| 3.6.4 预测性能 |
| 3.6.5 对比实验 |
| 3.6.6 单个台风预测结果可视化 |
| 3.7 本章小结 |
| 第4章 基于SAN-EFSModel的轨迹预测模型 |
| 4.1 引言 |
| 4.2 问题建模 |
| 4.3 基于SAN-EFSModel的轨迹预测模型 |
| 4.3.1 传统的Conv LSTM结构 |
| 4.3.2 SAN-Conv LSTM结构 |
| 4.3.3 基于SAN-EFSModel的轨迹预测模型 |
| 4.4 模型训练和优化 |
| 4.5 实验设置 |
| 4.5.1 数据集构建 |
| 4.5.2 实验环境 |
| 4.5.3 评价指标 |
| 4.5.4 基线方法与参数设置 |
| 4.6 实验结果与分析 |
| 4.6.1 数据预处理 |
| 4.6.2 模型训练和参数设定 |
| 4.6.3 极端轨迹预测性能 |
| 4.6.4 对比实验 |
| 4.7 本章小结 |
| 第5章 基于多模态数据的集成预测模型 |
| 5.1 引言 |
| 5.2 模型概述 |
| 5.3 实验结果与分析 |
| 5.3.1 基线方法 |
| 5.3.2 与深度学习方法对比 |
| 5.3.3 与传统方法对比 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 攻读学位期间的研究成果 |
| 致谢 |
（6）2020年度大气科学领域项目评审与资助成果简析（论文提纲范文）
| 1 改革工作概述 |
| 1.1 申请代码调整 |
| 1.2 通讯评审专家库完善 |
| 1.3 改革工作宣讲 |
| 2 2020年集中受理项目及统计分析 |
| 2.1 项目受理情况 |
| 2.2 统计分析 |
| 2.2.1 科学问题属性统计 |
| 2.2.2 申请代码统计 |
| 2.2.3 申请人和研究队伍统计 |
| 2.2.4 依托单位统计 |
| 3 申请项目初审 |
| 4 申请项目通讯评议概况 |
| 5 确定重点审议项目的原则及统计分析 |
| 5.1 确定重点审议项目的原则 |
| 5.2 重点审议项目依托单位及学科方向分布 |
| 6 申请项目资助情况及相关统计 |
| 6.1 依托单位及分支学科资助情况 |
| 6.2 资助项目选介 |
| 6.2.1 原创类 |
| 6.2.2 前沿类 |
| 6.2.3 需求类 |
| 6.2.4 交叉类 |
| 7 2019年度结题项目取得的主要研究成果 |
| 7.1 2019年度结题成果统计 |
| 7.2 结题项目研究成果选介 |
| 7.2.1 天气学 |
| 7.2.2 气候与气候系统 |
| 7.2.3 大气动力学 |
| 7.2.4 大气物理学 |
| 7.2.5 大气化学 |
| 7.2.6 大气观测、遥感和探测技术与方法 |
| 7.2.7 大气数值模式发展 |
| 7.3 存在的主要问题 |
| 8 结语 |
（7）短期气候预测:南京信息工程大学60年回顾与展望（论文提纲范文）
| 1 短期气候预测的发展历程回顾 |
| 1.1 初始阶段 |
| 1.2 探索阶段 |
| 1.3 发展阶段 |
| 2 六十载攀登路 |
| 2.1 教学团队 |
| 2.2 科学研究 |
| 2.3 国际交流 |
| 3 教学工作回顾 |
| 3.1 坚守教学初心 |
| 3.2 优化教学计划 |
| 3.3 推进教材建设 |
| 3.4 做好教学工作 |
| 4 科研若干进展 |
| 4.1 东亚和中国气候变异机理研究 |
| 4.2 大气环流异常动力学及其影响研究 |
| 4.3 海气相互作用及其影响研究 |
| 4.4 陆面过程研究 |
| 4.5 短期气候预测方法研究 |
| 5 展望 |
（8）《海洋气象学》课程教学实践探索（论文提纲范文）
| 一、《海洋气象学》课程简介 |
| 二、《海洋气象学》课程教学思考与改革实践 |
| （一）不断完善和系统化课程的教学内容 |
| （二）不断丰富和改进教学组织形式 |
| （三）积极促进学生学习质量和学习兴趣的提升 |
| 三、结束语 |
（9）基于湖南CORS观测数据反演水汽时空分布研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.1.1 大气结构分布 |
| 1.1.2 大气中水汽的作用 |
| 1.1.3 大气含水汽量的常用观测方法 |
| 1.2 国内外GNSS反演水汽研究现状 |
| 1.3 研究内容和方法 |
| 第2章 地基GNSS水汽反演原理 |
| 2.1 GNSS信号在传播过程中的误差 |
| 2.2 对流层延迟误差 |
| 2.2.1 主流的对流层延迟模型 |
| 2.2.2 映射函数模型 |
| 2.3 地基GNSS反演水汽的精度评价 |
| 2.3.1 精度评定工具 |
| 2.3.2 利用探空站观测资料计算可降水量的原理 |
| 2.3.3 精度评价指标 |
| 2.4 本章小结 |
| 第3章 地基GNSS反演水汽数据的处理与精度评价 |
| 3.1 Bernese数据处理软件介绍 |
| 3.1.1 Bernese软件安装与基本使用 |
| 3.1.2 Bernese软件解算ZTD时可能会遇到的情况处理 |
| 3.2 用于反演的数据及流程 |
| 3.2.1 湖南的CORS站 |
| 3.2.2 湖南的Radiosonde探空站 |
| 3.2.3 ECMWF再分析数据 |
| 3.3 无并置气象数据的相关数据计算 |
| 3.3.1 测站处气压的计算 |
| 3.3.2 测站大气加权平均温度的计算 |
| 3.4 地基GNSS反演水汽的精度评价 |
| 3.4.1 Radiosonde探空观测资料 |
| 3.4.2 GNSS/PWV与 Radio/PWV的对比分析 |
| 3.5 本章小结 |
| 第4章 湖南省GNSS/PWV数据分析 |
| 4.1 ERA-5 产品与Radiosonde数据计算的PWV比较 |
| 4.2 GNSS/PWV数据的分析 |
| 4.3 绘制的水汽变化图与监测水汽变化情况 |
| 4.4 本章小结 |
| 第5章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
（10）《现代汉语词典》第1版与第7版气象词语对比研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 选题缘由 |
| 1.2 研究对象 |
| 1.3 研究现状 |
| 1.3.1 气象类词语的研究 |
| 1.3.2 《现汉》不同版本的对比研究 |
| 1.3.3 不同历史时期不同辞书某类词语的对比研究 |
| 1.3.4 《现汉》和《现代汉语规范词典》的比较研究 |
| 1.4 研究方法 |
| 第二章 两版《现汉》气象词语概貌 |
| 2.1 气象词语的音节特征 |
| 2.2 气象词语的义项数量 |
| 2.3 气象词语的义类分布 |
| 2.3.1 风类 |
| 2.3.2 云类 |
| 2.3.3 降水类 |
| 2.3.4 温度类 |
| 2.3.5 湿度类 |
| 2.3.6 气压类 |
| 2.3.7 大气声光电类 |
| 2.3.8 混合气象类 |
| 第三章 两版《现汉》气象词语收录对比 |
| 3.1 第7版新增气象词语 |
| 3.1.1 气象词语的新增方式 |
| 3.1.2 新增气象词语的语言特征 |
| 3.2 第7版删减气象词语 |
| 3.2.1 气象词语的删减方式 |
| 3.2.2 删减气象词语的语言特征 |
| 3.3 条目增删与词语使用频率变化 |
| 3.3.1 《现汉》(第7 版)词语增删与使用频率变化基本一致的情况 |
| 3.3.2 《现汉》(第7 版)词语增删属于编纂调整的情况 |
| 第四章 两版《现汉》同收气象词语的释义对比 |
| 4.1 释义增加 |
| 4.1.1 增加义项 |
| 4.1.2 增加特殊标注 |
| 4.1.3 增加词句 |
| 4.2 释义删减 |
| 4.2.1 删减义项 |
| 4.2.2 删减特殊标注 |
| 4.2.3 删减词句 |
| 4.3 释义修改 |
| 4.3.1 义项分合 |
| 4.3.2 语句修改 |
| 4.4 从释义变化看词义演变 |
| 第五章 《现汉》气象词语新增泛化研究 |
| 5.1 《现汉》收录泛化义的气象词语 |
| 5.1.1 气象词语的比喻式泛化 |
| 5.1.2 气象词语的引申式泛化 |
| 5.2 《现汉》未收录泛化义的气象词语 |
| 5.2.1 《现汉》未收录泛化义的气象词语的使用情况 |
| 5.2.2 建议《现汉》补充收录泛化义的气象词语 |
| 5.3 气象词语泛化义的语义类别 |
| 5.3.1 气象领域到特定领域 |
| 5.3.2 气象领域到一般领域 |
| 5.4 泛化气象词语的特点 |
| 第六章 结语 |
| 参考文献 |
| 附录 |
| 附录1 :《现汉》第1版气象词语 |
| 附录2 :《现汉》第7版气象词语 |
| 致谢 |
四、热带气象学研究的经济意义和科学任务（论文参考文献）
- [1]顾震潮先生学术思想与高尚品格——学习感悟[J]. 赵思雄,孙建华. 气象, 2021(07)
- [2]基于卷积神经网络的热带气旋强度估计研究[D]. 黄炜. 南京信息工程大学, 2021(01)
- [3]地理大概念“热力差异是地表差异的基础”及其教学研究[D]. 周春梅. 东北师范大学, 2021(09)
- [4]基于计算机视觉的卫星云图反演降水量方法研究[D]. 王奕清. 电子科技大学, 2021(01)
- [5]基于多模态数据的热带气旋轨迹预测方法研究[D]. 董萍萍. 上海师范大学, 2021(07)
- [6]2020年度大气科学领域项目评审与资助成果简析[J]. 何建军,郭郁葱,刘哲,吴捷,李莉. 地球科学进展, 2020(11)
- [7]短期气候预测:南京信息工程大学60年回顾与展望[J]. 孙照渤,陈海山. 大气科学学报, 2020(05)
- [8]《海洋气象学》课程教学实践探索[J]. 王磊,彭旭钢,陈柏洋. 高教学刊, 2020(29)
- [9]基于湖南CORS观测数据反演水汽时空分布研究[D]. 尹羿晖. 湘潭大学, 2020(02)
- [10]《现代汉语词典》第1版与第7版气象词语对比研究[D]. 张曼玉. 河北大学, 2020(08)