中国区域T_(m)与纬度、海拔的线性分析及模型研究

针对传统的贝维斯(Bevis)模型在中国区域存在系统误差及精度不高的问题,本文提出添加站点纬度和海拔参数的T_(m)多因子回归模型。根据中国区域70个探空测站点的观测数据,首先研究了T_(m)与纬度φ、海拔h的相关系数时间变化规律,同时分别研究了T_(m)与纬度φ、海拔h的线性拟合系数k、b的时间变化规律;然后在T_(m)-Ts单因子回归模型基础上,添加纬度与海拔参数,并用年积日(DOY)表达其拟合系数,得到中国区域的T_(m)多因子回归模型;最后利用2018年的探空数据进行了验证。结果表明该模型极大地缩小了系统误差,精度提高了19.8%,在中国区域具有较高的实用性。

^(99)T_(c)^(m)亚甲基二磷酸盐联合甲氨蝶呤及艾拉莫德治疗活动性类风湿关节炎的有效性及安全性评价

目的观察^(99)T_(c)^(m)亚甲基二磷酸盐注射液(^(99)T_(c)^(m)-MDP)联合甲氨蝶呤及艾拉莫德对活动性类风湿性关节炎(RA)的临床疗效及安全性。方法临床收集54例活动性RA患者分为对照组(26例)和观察组(28例),对照组口服甲氨蝶呤、艾拉莫德片;观察组患者在此治疗方案的基础上加用^(99)T_(c)^(m)-MDP,于第0、12、24周观察2组患者临床疗效及实验室指标,记录不良反应。结果观察组的疗效缓解(ACR)20/50/70缓解率均在第12或24周高于对照组(P<0.05);经24周规律治疗后,对照组与观察组患者的关节肿胀数(SJC)、关节压痛数(TJC)、晨僵时间、DAS28、患者对疾病的总体评估(PtGA)、医生总体评价(PhGA)、C反应蛋白(CRP)、血红细胞沉降率(ESR)、类风湿因子(RF)及抗环瓜氨酸多肽抗体(CCP)均显著下降,且观察组的疾病活动相关指标较基线值下降且低于同期对照组,差异有统计学意义(P<0.05);2组均无严重不良反应发生,其不良反应发生率比较差异无统计学意义(P>0.05)。结论甲氨蝶呤与艾拉莫德治疗联合^(99)T_(c)^(m)-MDP注射液后可更为有效地减轻活动性RA患者的疾病活动,且安全可靠。

广义T_（＋m）变换对极限k（k≥2）循环连分式的加速收敛

文章对极限ｋ（ｋ≥２）循环连分式的渐近分式序列定义了广义的Ｔ（＋ｍ）变换，在一定条件下，它用来对极限ｋ（ｋ≥２）循环连分式的加速收敛，根据序列｛ｆｎ｝的收敛性给出了选择最佳过程的可能性。

关于T_(+m)交换对极限循环连分式加速收敛的最佳过程

本文对A.Lembarki定理的条件进行改进,使T_(+m)交换对极限循环连分式加速收敛的最佳过程从可能变为现实。

T形树-T_(1,1,m,n)的伴随多项式

T(1,1,m,n)表示度序列是(1,1,1,1,2,2…2,4)的树,其中1,1,m,n分别是从它的唯一4度点到4个1度点的4条路长;本文给出并证明了T(1,1,m,n)的伴随多项式的计算公式及其与它有关的重要恒等式.

中国区域ERA5和MERRA-2再分析资料计算T_(m)的精度分析

以中国区域89个探空站2017年资料为参考值,对ERA5和MERRA-2再分析资料积分计算的T_(m)的精度进行评估,并分析2种资料计算的T_(m)的bias和RMSE的时空变化特性。结果表明:1)以探空站资料为参考值,ERA5和MERRA-2再分析资料计算的T_(m)的年均bias分别为0.41K和0.10K,年均RMSE分别为1.26K和1.34K。2)2种资料计算的T_(m)的bias和RMSE具有相似的时空变化特性,时间上总体表现为夏季精度高、冬季精度稍低,但ERA5再分析资料计算的T_(m)的bias在全年均表现为正值,而MERRA-2再分析资料计算的T_(m)的bias在夏季表现为负值,其余时间表现为正值;在空间上,2种资料计算的T_(m)的bias和RMSE在高程上无明显变化特性,但在纬度上RMSE均表现出随纬度增加而逐渐变大的趋势,总体保持在2.5K以内。

顾及多因子影响的中国区域T_(m)模型精化研究

利用中国区域2015~2017年探空数据,建立一种顾及地表温度、地表水汽压、高程和纬度的中国区域大气加权平均温度T_(m)模型(BET模型)。以2018年探空站T_(m)数据为参考值,分析BET模型精度,并与Bevis模型和GPT3模型进行对比。结果表明,BET模型年均RMSE与bias分别为3.15 K和0.04 K,相比于Bevis模型、1°×1°分辨率的GPT3模型和5°×5°分辨率的GPT3模型,年均RMSE分别降低29.2%、32.8%和39.1%,年均bias分别降低96.4%、96.7%和97.4%,且该模型在中国区域不同高程和纬度上的精度与稳定性优于Bevis模型和GPT3模型。

T_(M)-Eigenvalues of Odd-Order Tensors

In this paper,we propose a definition for eigenvalues of odd-order tensors based on some operators.Also,we define the Schur form and the Jordan canonical form of such tensors,and discuss commuting families of tensors.Furthermore,we prove some eigenvalue ine-qualities for Hermitian tensors.Finally,we introduce characteristic polynomials of odd-order tensors.

一种基于随机森林的区域T_(m)模型预测方法

受季风气候等影响,传统T_(m)模型在中国沿海地区的精度难以满足导航定位等领域的发展需求,亟须建立一种高精度的区域性T_(m)模型。通过利用随机森林(Random Forest,RF)的方法,对基于该地区探空数据所构建的非线性T_(m)模型(F-T_(m))进一步精化,选取4个特征值(气压P、地表温度T_(s)、水汽压e_(s)、比湿s)作为输入因子,对F-T_(m)模型的偏差进行预测改正,构建了RFF-T_(m)模型。通过时空特性分析表明,该模型在沿海地区具有较好的适用性。

云贵地区顾及高度改正的大气加权平均温度模型

针对云贵地区地形起伏特点,分析T_(m)与高程、Ts的关系,利用2016—2018年的ERA5数据,建立两种顾及高度改正的T_(m)模型——YGTrop-T_(m)和YGMete-T_(m)。以2019年ERA5和探空数据为参考值,结合Bevis公式、GPT2w和CTrop模型,对新模型精度进行评估。结果表明,以ERA5数据为参考值,YGTrop-T_(m)和YGMete-T_(m)模型的年均RMS分别为2.72和2.16 K,相较于Bevis公式、GPT2w-5和GPT2w-1模型,YGTrop-T_(m)模型RMS减少了20%、28%、9%,与CTrop模型相当,而YGMete-T_(m)模型RMS相较于Bevis公式、GPT2w-5、GPT2w-1和CTrop模型减少了36%、43%、28%和20%;以探空数据为参考值,YGTrop-T_(m)模型年均RMS与Bevis公式和CTrop模型相当,分别为2.88、2.93和2.80 K,而YGMete-T_(m)模型的年均RMS最小,为2.45 K,相较于Bevis公式、GPT2w-5、GPT2w-1和CTrop模型,减少了16%、21%、20%和12%。此外,将YGTrop-T_(m)和YGMete-T_(m)模型用于GNSS水汽计算,对应的水汽理论RMS误差分别为0.25和0.21 mm,相对误差分别为1.01%和0.86%。

青海地区大气加权平均温度模型精度优化

针对当前大气加权平均温度(T_(m))模型在青海省各地区的适用性较差,气象要素顾及较少等问题,提出一种青海地区大气加权平均温度模型精度优化方法:利用青海省4个探空站2014—2018年5 a的数据,通过线性回归的方法构建适用于青海省西宁、都兰、郭勒木得及玉树4个地区的本地化单因子T_(m)模型和多个气象因子参与的本地化多因子T_(m)模型;并通过反演的大气可降水量(PWV)与贝维斯(Bevis)模型和龚绍琦全国模型反演的PWV结果进行对比分析。结果表明,所构建的模型精度均优于现有模型,在反演PWV精度方面也要优于现有模型,可为提高青海地区全球卫星导航系统(GNSS)水汽反演精度提供参考。

顾及周期性变化的大气加权平均温度模型构建

针对大气加权平均温度(T_(m))是地基全球卫星导航系统(GNSS)水汽反演过程中的一个中间变量,其精度会影响地基GNSS水汽反演精度,同时T_(m)表现出较强的地域性差异的现状,研究建立地区的T_(m)模型:利用兰州市榆中探空站气象数据和欧洲中期天气预报中心第五代大气再分析数据集(ERA5)分别建立单因子、顾及年周期变化、顾及年和半年周期变化的T_(m)模型;并对2种气象数据所建的3类模型进行显著性检验和精度验证。结果表明:模型均能通过显著性水平为0.05的显著性检验,同时顾及周期性变化模型的预测值的均方根误差和平均绝对误差均小于贝维斯(Bevis)模型和单因子模型;利用顾及周期变化的模型预测的T_(m)偏差中大于5 K和大于10 K的值占比明显减小且预测残差的周期趋势明显减弱,具有零均值的正态分布特性,仅表现出误差的随机性。总体而言,ERA5气象数据所建模型预测精度高于探空站气象数据所建模型;用ERA5气象数据建立的顾及周期性变化的T_(m)模型可用于兰州市GNSS大气水汽反演。

一种中国区GNSS加权平均温度分层格网模型

为了进一步提升大气加权平均温度(T_(m))模型在地基全球卫星导航系统(GNSS)反演可降水量(PWV)中的精度,提出一种中国区GNSS加权平均温度模型:针对中国地势复杂多变,气候多样的环境特征,基于1990—2019年欧洲中期天气预报中心第五代大气再分析数据集(ERA5),综合考虑T_(m)的季节性变化及长期线性趋势,构建T_(m)的分层格网模型(CT_(m)S);然后以74个无线电探空站提供的2020年气象数据为参考,评估CT_(m)S的精度及可用性,并利用第三代全球T_(m)模型(GT_(m)-III)及全球气压温度(GPT3)模型进行对比验证。结果表明:CT_(m)S模型的均方根偏差(RMSE)均值为4.0 K,较GPT3及GT_(m)-III模型分别提升21.6%及8.0%,且在高海拔地区表现出明显的精度优势;CT_(m)S模型的PWV不确定度均值为0.32mm,相比于GPT3及GT_(m)-III模型分别减少16.6%及6.5%,且在中国西北地区表现出更优的精度及稳定性;提出的模型可为中国地区GNSS实时水汽监测提供参考。

大气加权平均温度垂直递减率时空特性分析

考虑到已有全球T_(m)模型无法实时获取全球区域高精度T_(m),利用ECMWF提供的2014~2017年ERA5再分析资料,分析全球区域T_(m)垂直递减率的时空变化特性。结果表明,T_(m)垂直递减率具有明显的年周期和半年周期,日变化相对较弱,且存在明显的海陆差异和地形差异,不同地区周期变化差异明显。T_(m)垂直递减率与经度的相关性极小,但与纬度具有较强的相关性,其绝对值由赤道向两极逐渐减小。

顾及气候类型的区域加权平均温度模型

针对由于中国土地面积广阔,气候类型复杂,大气加权平均温度(T_(m))易受气候类型、纬度和海拔影响的问题,提出一种顾及气候类型的区域加权平均温度模型:根据中国区域内分布广泛的5种气候类型,利用中国境内73个探空站2007—2015年的探空数据,分区域建立顾及气候类型及地面气温(T_(s))、饱和水汽压(E_(s))的大气加权平均温度模型ET-TM模型;并用2016年的探空数据结合贝维斯(Bevis)模型和GPT-3模型共同验证ET-TM模型的精度。结果表明:ET-TM模型整体精度高于Bevis模型和GPT-3模型;分区域建立大气加权平均温度模型有利于减少纬度和高程对大气加权平均温度的影响;对比Bevis模型和GPT-3模型,ET-TM模型更适用于中国区域内的大气可降水量反演。

一种新的青藏高原地区加权平均温度模型

大气加权平均温度(T_(m))是进行全球导航卫星系统(GNSS)水汽反演的关键参数之一,也是进行大气气象研究的重要数据,针对中国青藏高原地区地面起伏较大、探空站分布不均匀、在建模时未能同时顾及T_(m)在垂直方向上的非线性变化和季节变化等问题,建立高精度的T_(m)模型成为中国青藏高原地区的迫切需求。在分析T_(m)的时空特性的基础上,分别利用2015—2017年的ERA5再分析资料和无线电探空数据构建中国青藏高原地区实时高精度格网T_(m)模型(ERATm_H模型)和需要气象参数的本地化区域T_(m)模型(TKZTm_H模型),并利用未参与建模的2018年的无线电探空数据和ERA5再分析资料进行精度验证,并与广泛使用的Bevis模型和目前较优的GPT3模型进行精度对比。结果表明,以ERA5再分析资料为参考值,ERATm_H模型在中国青藏高原地区表现出最优的精度,年均均方根误差(Root Mean Squared Error,RMSE)值相较于Bevis模型、GPT3模型以及TKZTm_H模型分别提高了46.1%、21.1%和14.5%;以无线电探空数据为参考值,ERATm_H模型在中国青藏高原地区依旧表现出最优的精度,年均RMS值相较于Bevis模型、GPT3模型以及TKZTm_H模型分别提高了36.6%、26.7%和6.1%。因此,建立的高精度实时ERATm_H模型在中国青藏高原地区表现出最优的性能,可为中国青藏高原地区进行实时高时空分辨率的GNSS水汽反演和气象学研究提供重要应用。

葡萄糖B-Z体系中酸度变化诱导的复杂振荡反应

本文首次报导了葡萄糖-KBrO_3-丙酮-MnSO_4-H_2SO_4体系的化学振荡反应,在这一体系中改变酸度可产生一系列复杂的振荡现象,当[H_2SO_4]_0>0.36mol·l^(-1)或[H_2SO_4]_0<0.074mol·l^(-1)时,体系分别出现二种不同类型的振荡波形OA和OB,OA振荡存在一诱导期,OB振荡无锈导期;OA的振幅较小,但振荡频率比OB快得多;OB的振荡周期逐渐缩短,但OA.却相反变化.当0.074mol·l^(-1)<[H_2SO_4]_0<0.36mol·l^(-1)时,体系同时出现上述二种类型的振荡波形,中间存在一过渡区域,即产生连续振荡波形.文章讨论了诱导期及过渡时间与[H_2SO_4]_0的关系,对酸度的影响机理作了说明.

中国南部地区大气加权平均温度模型精化研究

针对中国南部地区地势西高东低、沿海与内陆存在差异等情况,分析中国南部地区T_(m)与地面温度、测站高度、季节变化以及纬度的关系,利用中国南部地区19个探空站2015~2017年的探空数据,在Bevis公式的基础上建立只考虑地面温度的线性模型(T_(m)-SC1模型)和与地面温度、高程、季节变化以及纬度有关的新T_(m)模型(T_(m)-SC2模型)。以2018年的探空数据为参考值,对T_(m)-SC1模型和T_(m)-SC2模型进行精度验证,并与广泛使用的Bevis公式和GPT3模型进行精度比较。结果表明,T_(m)-SC1模型的年均偏差和均方根误差(RMS)分别为0.76 K和2.57 K,相比Bevis模型和GPT3模型,其精度(RMS值)分别提高13.8%和2.2%;T_(m)-SC2模型的年均偏差和均方根误差(RMS)分别为-0.10 K和1.64 K,相比Bevis模型和GPT3模型其精度(RMS值)分别提高44.9%和37.6%。T_(m)-SC2模型用于GNSS水汽计算导致的理论RMS误差和相对误差分别为0.16 mm和0.43%。因此,T_(m)-SC2模型更适用于中国南部地区的GNSS水汽探测以及气象研究。

日本区域加权平均温度建模

由于日本区域易受自然灾害频发、水汽特征变化复杂、探空站点分布稀疏的问题,进而制约了高精度水汽的获取,因此缺少此区域的高精度加权平均温度(T_(m))模型.鉴于此,采用2009—2016年全球大地测量观测系统(GGOS) Atmosphere T_(m)和ERA-Interim 2 m T_(s)格网数据新建立一种考虑T_(m)残差季节性变化和周日变化的适合日本区域的T_(m)模型(JQTm模型).同时,利用2017年日本区域13个探空站和110个GGOS Atmosphere T_(m)格网数据,对新建立的JQTm模型在日本区域的精度进行评估.研究发现:与GGOS Atmosphere T_(m)格网数据对比,JQTm模型的偏差(bias)和均方根误差(RMSE)分别为0.15 K和1.92 K,RMSE分别比GPT2w-1模型、GPT2w-5模型提升41.16%(1.33 K)、44.41%(1.53 K);与探空资料对比,JQTm模型的bias和RMSE分别为–0.66 K和2.14 K,RMSE分别比GPT2w-1模型、GPT2w-5模型提升28.43%(0.85 K)、29.61%(0.90 K).JQTm模型能够为日本区域提供高精度的T_(m)值,为研究此区域大气水汽和极端天气提供重要依据.

双星对泛优美的充要条件

给出了双星对为泛优美树的充分必要条件。