地球科学进展

地球科学进展 ›› 2026, Vol. 41 ›› Issue (6): 661 -676. doi: 10.11867/j.issn.1001-8166.2026.048

研究论文 上一篇    

中国海洋再分析全球2.0版（CORA2）大洋内区近表层和近岸表层海流检验评估
陈盼盼1,2,3(), 赵亮1, 高志刚3(), 付红丽2,3(), 袁文亚2,3, 戴凌飞2,3, 吴新荣2,3, 但博2,3, 李程3   
  1. 1.天津科技大学 海洋与环境学院，天津 300457
    2.自然资源部海洋环境信息保障技术 重点实验室，天津 300171
    3.国家海洋信息中心，天津 300171
  • 收稿日期:2026-04-01 修回日期:2026-05-26 出版日期:2026-06-10
  • 通讯作者: 高志刚,付红丽 E-mail:2628685509@qq.com;gzg_ocean@163.com;fhlkjj@163.com
  • 基金资助:
    国家自然科学基金面上项目(42476028);国家自然科学基金青年科学基金项目(42405048)

Evaluation of Near-Surface Ocean Circulation and Coastal Surface Currents in the China Ocean Reanalysis Global Version 2.0 (CORA2)

Panpan Chen1,2,3(), Liang Zhao1, Zhigang Gao3(), Hongli Fu2,3(), Wenya Yuan2,3, Lingfei Dai2,3, Xinrong Wu2,3, Bo Dan2,3, Cheng Li3   

  1. 1.College of Marine and Environmental Sciences, Tianjin University of Science and Technology, Tianjin 300457, China
    2.Key Laboratory of Marine Environmental Information Technology, Ministry of Natural Resources, Tianjin 300171, China
    3.National Marine Data and Information Service, Tianjin 300171, China
  • Received:2026-04-01 Revised:2026-05-26 Online:2026-06-10 Published:2026-09-02
  • Contact: Zhigang Gao, Hongli Fu E-mail:2628685509@qq.com;gzg_ocean@163.com;fhlkjj@163.com
  • About author:Chen Panpan, research areas include ocean reanalysis and verification and evaluation of forecast product. E-mail:2628685509@qq.com
  • Supported by:
    the National Natural Science Foundation of China(42476028)
全文 ( 1 ) 下载PDF ( 0 )

中国海洋再分析全球2.0版（CORA2）是一个由气象场和引潮力共同驱动的全球涡分辨率冰—海耦合再分析产品，提供的海流产品包含大洋环流和潮流。首先，基于含水帆的SVP浮标漂移速度，统计了2019年CORA2 15 m深度日平均海流误差，将其与再分析产品GREP和GLORYS12v1、卫星遥感海流分析产品GLOBCURRENT进行对比，评估各产品对近表层大洋环流的再现能力。结果显示，CORA2和GREP信风带西向流和西风带东向流均比SVP浮标偏弱；虽然各产品流速相对SVP浮标偏低，但高分辨率CORA2和GLORYS12v1的流速偏差比低分辨率GREP和GLOBCURRENT更小，且海流标准差更接近SVP浮标，因此提高再分析分辨率有助于提升海流流速模拟效果，更好刻画海流波动；虽然CORA2海流的均方根误差与相关系数不占优势，但是数值试验结果显示，改进海面高度异常同化方法有利于提升CORA2海流精度。其次，基于地波雷达观测资料，利用误差统计与调和分析方法，评估了2022年CORA2和SMOC逐3小时表层海流，结果显示，在潮流占主导的站位，CORA2潮流与观测十分吻合，且优于SMOC；但是在潮流偏弱的站位，CORA2的潮流过强，导致其误差增大，为CORA2产品使用和升级换代提供依据。

关键词: 海洋再分析, 中国海洋再分析全球2.0版, 海流交叉对比, 误差评估, 数据同化

The China Ocean Reanalysis Global Version 2.0 (CORA2) is a global eddy-resolving ice-ocean coupled reanalysis forced by atmospheric fields and tidal forcing, whose currents resolve both large-scale ocean circulation and tidal currents. The two components can be separated using a 24-hour averaging approach, in which the 24-hour averaged ocean currents approximate the large-scale circulations represented in CORA2. First, a statistical error analysis of CORA2 24-hour mean currents at 15 m depth was performed using 2019 drift velocities from SVP drifters with drogues. The results were benchmarked against the reanalysis products GREP and GLORYS12v1, alongside the satellite-derived current dataset GLOBCURRENT, to assess their performance in reproducing near-surface ocean circulation. The results reveal that CORA2 and GREP feature weak zonal westward (eastward) currents within the trade wind belt, alongside strong westward (eastward) currents in the westerly wind belt; GLORYS12v1 displays the inverse pattern. While current magnitudes from all datasets are underestimated relative to SVP drifter observations, this bias is far milder in the high-resolution CORA2 and GLORYS12v1 than in the coarser GREP and GLOBCURRENT. Additionally, their zonal and meridional velocity standard deviations better match the drifter measurements. These findings suggest that finer horizontal resolution improves simulated current magnitudes and better captures strong oceanic current variability. Though CORA2 does not outperform other datasets in terms of Root-Mean-Square Error (RMSE) and correlation coefficients for zonal and meridional velocity (U/V) components, numerical sensitivity experiments confirm that optimized Sea Level Anomaly (SLA) assimilation schemes can substantially boost the accuracy of CORA2 surface currents.Second, a comparative evaluation of 3-hourly surface currents from CORA2 and SMOC was carried out using error statistics and harmonic analysis, based on 2022 High-Frequency (HF) radar measurements at the LSIYKO, SPUDCN, and NADHL stations. The results show that at stations dominated by strong tidal currents, CORA2 simulated tides agree closely with radar observations, making CORA2 markedly more accurate than SMOC. At stations with weak tidal and residual circulations but prominent Stokes drift, CORA2 considerably overpredicts tidal currents, resulting in elevated overall errors. At locations where tidal and residual currents are comparable in magnitude and both far exceed Stokes drift, CORA2 and SMOC each exhibit unique strengths. The results reveal that CORA2 and GREP feature weak zonal westward (eastward) currents within the trade wind belt, alongside strong westward (eastward) currents in the westerly wind belt.

Key words: Ocean reanalysis, CORA2, Cross-comparison of ocean currents, Error assessment, Data assimilation

中图分类号: 

图1 2019年含水帆SVP浮标样本量时空分布
（a）1°×1°网格内样本量；（b）按5°纬度间隔统计的样本量分布；（c）样本量逐日变化。
Fig. 1 Spatial and temporal distributions of sample size of SVP drifters with drogue in 2019
（a） Spatial distribution of sample size within 1°x1° grid bins； （b） Latitudinal distribution of sample size at 5° latitude intervals； （c） Daily variations in sample size.
图2 2022年1月1日01时获取的SMOC产品流速分布
（a）潮流；（b）斯托克斯流；（c）大洋环流；（d）综合流。
Fig. 2 The speed map at 01：00 on January 1，2022 obtained from SMOC product
（a） Tidal current； （b） Stokes flow； （c） Ocean circulation； （d） Total current.
图3 CORA2、GREP、GLORYS12v1和GLOBCURRENT的2019年15 m深度日平均海流与SVP浮标漂移速度散点图
“Slope”代表斜率，“RMSE”代表均方根误差，“Bias”代表偏差，“Corr.”代表相关系数。
Fig. 3 Scatter plots comparing daily 15 m depth velocity components from CORA2， GREP， GLORYS12v1， and GLOBCURRENT against 2019 SVP drifter observations with drogue
“Slope” denotes slope， “RMSE” denotes root mean square error， “Bias” denotes bias， and “Corr” denotes correlation coefficient.
图4 2019年CORA2、GREP、GLORYS12v1、GLOBCURRENT 15 m深度日平均海流相对SVP浮标漂移速度的均方根误差、偏差和空间相关系数时间序列
Fig. 4 Time series of RMSEs， biases， and spatial correlation coefficients for daily 15 m depth velocity components from CORA2， GREP， GLORYS12v1， and GLOBCURRENT， compared to SVP drifter measurements with drogue in 2019
图5 2019年CORA2、GREP、GLORYS12v1、GLOBCURRENT 15 m深度日平均海流与SVP浮标漂移速度的U分量和V分量偏差（浮标—产品）的空间分布
Fig. 5 Spatial distributions of the differences （buoy-product） in U and V components between daily mean 15 m depth ocean currents from CORA2， GREP， GLORYS12v1 and GLOBCURRENT in 2019 and drift velocities of SVP drifters
图6 2019年CORA2、GREP、GLORYS12v1、GLOBCURRENT的15 m深度海流与SVP浮标漂移速度的U和V分量差（浮标—产品）的纬度分布特征
Fig. 6 Latitudinal distributions of U and V component differences （buoy-product） between 15 m depth ocean currents from CORA2， GREP， GLORYS12v1 and GLOBCURRENT and drift velocities of SVP drifters in 2019
图7 基于2019年SVP浮标漂移速度的CORA2、GREP、GLORYS12v1、GLOBCURRENT 15 m深度日平均海流的泰勒图
Fig. 7 Taylor diagrams summarizing of CORA2， GREP， GLORYS12v1， and GLOBCURRENT currents against SVP drifters
图8 基于2019年SVP浮标漂移速度的CORA2、GREP、GLORYS12v1、GLOBCURRENT的15 m深度日平均海流的流速偏差和流向绝对偏差箱线图
（a）流速偏差（产品—浮标；m/s）；（b）流向绝对偏差（°）。三角形代表平均值，红线代表中位数。
Fig. 8 Box plots of biases of current speeds and absolute biases of current directions for CORA2， GREP， GLORYS12v1， GLOBCURRENT with respect to SVP drifters in 2019
（a） Bias of current speeds （products minus drifters； m/s）；（b） Absolute bias of current directions （°）. Triangles represent mean values； Red lines represent median values.
图9 2022年 LSIYKO、SPUDCN和NADHL站的雷达观测位置及其对应的有效观测样本量
Fig. 9 Locations and number of valid observations for the LSIYKO， SPUDCN， and NADHL radar stations in 2022
图10 基于2022年SMOC表层海流的LSIYKO、SPUDCN和NADHL站的大洋环流、潮流和斯托克斯流分别与综合流的流速标准差之比
（a） 大洋环流；（b） 潮流；（c） 斯托克斯流。
Fig. 10 Ratio of velocity standard deviations between circulation， tidal current， Stokes drift and total current at LSIYKO， SPUDCN， and NADHL stations obtained from SMOC data in 2022
（a） Circulation； （b） Tidal current； （c） Stokes drift.
表1 2022年CORA2和SMOC表层海流相对于LSIYKO、SPUDCN和NADHL站雷达观测的海流U和V分量均方根误差和相关系数的平均值和中位数
Table 1 Average and median of RMSEs and correlation coefficients for U and V components of surface currents for CORA2 and SMOC relative to radar observations at LSIYKO， SPUDCN and NADHL stations in 2022
站位海流产品均方根误差/（cm/s）相关系数
平均值中位数平均值中位数
LSIYKO东西U分量CORA230.79931.2630.6470.665
SMOC42.40243.4580.6280.627
南北V分量CORA229.07027.3120.4130.441
SMOC41.21542.2730.3380.318
SPUDCN东西U分量CORA248.21248.0540.4530.479
SMOC39.36436.3160.5340.549
南北V分量CORA234.09534.2230.4670.473
SMOC39.94542.1750.2250.211
NADHL东西U分量CORA239.93236.9070.4680.525
SMOC28.72825.9880.6790.770
南北V分量CORA234.54829.9430.4360.552
SMOC29.06426.2650.4920.610
图11 基于雷达观测、CORA2和SMOC数据获得LSIYKO、SPUDCN和NADHL站的观测海域中心点的表层海流U和V分量的时间序列
“X轴”表示相对2022年1月1日00：00的天数。
Fig. 11 Time series of surface ocean current U and V components at the central points of the observation areas for LSIYKO， SPUDCN and NADHL stations， derived from radar observations， CORA2 and SMOC datasets
The X-axis represents the number of days relative to 00：00 on January 1， 2022.
表2 基于图11中的时间序列获得的雷达观测、CORA2和SMOC的U和V分量的M2和K1分潮的振幅与相位
Table 2 Amplitudes and phases of the M2 and K1 tidal constituents for zonal （U） and meridional （V） velocity components derived from the time series of radar observation， CORA2 and SMOC datasets in Figure 11
站位海流M2分潮振幅/（cm/s）M2分潮相位/（°）K1分潮振幅/（cm/s）K1分潮相位/（°）
雷达观测CORA2SMOC雷达观测CORA2SMOC雷达观测CORA2SMOC雷达观测CORA2SMOC
LSIYKO东西U分量53.5959.7680.39245.52249.79201.377.166.5920.24190.33161.5458.22
南北V分量33.8512.8842.85158.53133.2769.799.318.8316.6398.0798.0618.67
SPUDCN东西U分量20.9763.6424.87115.2878.3668.5414.343.2812.69129.21158.20150.63
南北V分量16.6037.4912.37315.02355.64357.2714.841.5813.8734.71272.6657.13
NADHL东西U分量17.8546.0825.2359.7261.5634.561.0819.851.18293.19277.52223.21
南北V分量23.3645.0333.9037.5733.7218.818.8117.625.8565.95153.1251.18
图12 2024年1~10月CORA2和GLORYS12v1日平均表层海流相对于OSCAR的均方根误差时间序列
Fig. 12 Time series of RMSEs of daily CORA2 and GLORYS12v1 compared to OSCAR from January to October， 2024
[1] Lellouche J M， Greiner E， Bourdallé-Badie R， et al. The Copernicus global 1/12° oceanic and sea ice GLORYS12 reanalysis［J］. Frontiers in Earth Science， 2021， 9： 698876.
[2] Balmaseda M A， Mogensen K， Weaver A T. Evaluation of the ECMWF ocean reanalysis system ORAS4［J］. Quarterly Journal of the Royal Meteorological Society， 2013， 139（674）： 1 132-1 161.
[3] Zuo H， Balmaseda M A， Tietsche S， et al. The ECMWF operational ensemble reanalysis-analysis system for ocean and sea ice： a description of the system and assessment［J］. Ocean Science， 2019， 15（3）： 779-808.
[4] Storto A， Masina S， Dobricic S. Estimation and impact of nonuniform horizontal correlation length scales for global ocean physical analyses［J］. Journal of Atmospheric and Oceanic Technology， 2014， 31（10）： 2 330-2 349.
[5] Storto A， Masina S， Navarra A. Evaluation of the CMCC eddy-permitting global ocean physical reanalysis system （C-GLORS， 1982-2012） and its assimilation components［J］. Quarterly Journal of the Royal Meteorological Society， 2016， 142（695）： 738-758.
[6] Masina S， Storto A. Reconstructing the recent past ocean variability： status and perspective［J］. Journal of Marine Research， 2017， 75（6）： 727-764.
[7] Cummings J A， Smedstad O M. Variational data assimilation for the global ocean［M］// Park S K， Xu L，eds. Data assimilation for atmospheric， oceanic and hydrologic applications （Vol. II）. Berlin， Heidelberg： Springer， 2013： 303-343.
[8] Forget G， Campin J M， Heimbach P， et al. ECCO version 4： an integrated framework for non-linear inverse modeling and global ocean state estimation［J］. Geoscientific Model Development， 2015， 8（10）： 3 071-3 104.
[9] Carton J A， Chepurin G A， Chen L G. SODA3： a new ocean climate reanalysis［J］. Journal of Climate， 2018， 31（17）： 6 967-6 983.
[10] Toyoda T， Fujii Y， Yasuda T， et al. Data assimilation of sea ice concentration into a global ocean-sea ice model with corrections for atmospheric forcing and ocean temperature fields［J］. Journal of Oceanography， 2016， 72（2）： 235-262.
[11] Han G J， Li W， Zhang X F， et al. A regional ocean reanalysis system for coastal waters of China and adjacent seas［J］. Advances in Atmospheric Sciences， 2011， 28（3）： 682-690.
[12] Han G J， Fu H L， Zhang X F， et al. A global ocean reanalysis product in the China Ocean Reanalysis （CORA） project［J］. Advances in Atmospheric Sciences， 2013， 30（6）： 1 621-1 631.
[13] Han G J， Li W， Zhang X F， et al. A new version of regional ocean reanalysis for coastal waters of China and adjacent seas［J］. Advances in Atmospheric Sciences， 2013， 30（4）： 974-982.
[14] Fu H L， Dan B， Gao Z G， et al. Global ocean reanalysis CORA2 and its intercomparison with a set of other reanalysis products［J］. Frontiers in Marine Science， 2023， 10： 1084186.
[15] Balmaseda M A， Hernandez F， Storto A， et al. The Ocean Reanalyses Intercomparison Project （ORA-IP）［J］. Journal of Operational Oceanography， 2015， 8（Supp1.）： s80-s97.
[16] Carton J A， Penny S G， Kalnay E. Temperature and salinity variability in the SODA3， ECCO4r3， and ORAS5 ocean reanalyses， 1993-2015［J］. Journal of Climate， 2019， 32（8）： 2 277-2 293.
[17] Chevallier M， Smith G C， Dupont F， et al. Intercomparison of the Arctic sea ice cover in global ocean-sea ice reanalyses from the ORA-IP project［J］. Climate Dynamics， 2017， 49（3）： 1 107-1 136.
[18] Karspeck A R， Stammer D， Köhl A， et al. Comparison of the Atlantic meridional overturning circulation between 1960 and 2007 in six ocean reanalysis products［J］. Climate Dynamics， 2017， 49（3）： 957-982.
[19] Palmer M D， Roberts C D， Balmaseda M， et al. Ocean heat content variability and change in an ensemble of ocean reanalyses［J］. Climate Dynamics， 2017， 49（3）： 909-930.
[20] Storto A， Masina S， Balmaseda M， et al. Steric sea level variability （1993-2010） in an ensemble of ocean reanalyses and objective analyses［J］. Climate Dynamics， 2017， 49（3）： 709-729.
[21] Toyoda T， Fujii Y， Kuragano T， et al. Intercomparison and validation of the mixed layer depth fields of global ocean syntheses［J］. Climate Dynamics， 2017， 49（3）： 753-773.
[22] Uotila P， Goosse H， Haines K， et al. An assessment of ten ocean reanalyses in the polar regions［J］. Climate Dynamics， 2019， 52（3/4）： 1 613-1 650.
[23] Valdivieso M， Haines K， Balmaseda M， et al. An assessment of air-sea heat fluxes from ocean and coupled reanalyses［J］. Climate Dynamics， 2017， 49（3）： 983-1 008.
[24] Nardelli B B. A multi-year time series of observation-based 3D horizontal and vertical quasi-geostrophic global ocean currents［J］. Earth System Science Data， 2020， 12（3）： 1 711-1 723.
[25] Aijaz S， Brassington G B， Divakaran P， et al. Verification and intercomparison of global ocean Eulerian near-surface currents［J］. Ocean Modelling， 2023， 186： 102241.
[26] Lee D K， Maximenko N. Surface drifters and ocean dynamics： a review of technological advancements and scientific contributions［J］. Ocean Science Journal， 2025， 60（2）： 22.
[27] Marshall J， Adcroft A， Hill C， et al. A finite-volume， incompressible Navier Stokes model for studies of the ocean on parallel computers［J］. Journal of Geophysical Research： Oceans， 1997， 102（C3）： 5 753-5 766.
[28] Zhang J， Hibler W D III， Steele M， et al. Arctic ice-ocean modeling with and without climate restoring［J］. Journal of Physical Oceanography， 1998， 28（2）： 191-217.
[29] Large W G， McWilliams J C， Doney S C. Oceanic vertical mixing： a review and a model with a nonlocal boundary layer parameterization［J］. Reviews of Geophysics， 1994， 32（4）： 363-403.
[30] Griffies S M， Hallberg R W. Biharmonic friction with a Smagorinsky-like viscosity for use in large-scale eddy-permitting ocean models［J］. Monthly Weather Review， 2000， 128（8）： 2 935-2 946.
[31] Arbic B K， Garner S T， Hallberg R W， et al. The accuracy of surface elevations in forward global barotropic and baroclinic tide models［J］. Deep Sea Research Part II： Topical Studies in Oceanography， 2004， 51（25/26）： 3 069-3 101.
[32] Kobayashi S， Ota Y， Harada Y， et al. The JRA-55 reanalysis： general specifications and basic characteristics［J］. Journal of the Meteorological Society of Japan Series II， 2015， 93（1）： 5-48.
[33] Large W G， Pond S. Open ocean momentum flux measurements in moderate to strong winds［J］. Journal of Physical Oceanography， 1981， 11（3）： 324-336.
[34] Large W G， Pond S. Sensible and latent heat flux measurements over the ocean［J］. Journal of Physical Oceanography， 1982， 12（5）： 464-482.
[35] Parkinson C L， Washington W M. A large-scale numerical model of sea ice［J］. Journal of Geophysical Research： Oceans， 1979， 84（C1）： 311-337.
[36] Fekete B M， Vörösmarty C J， Grabs W. High-resolution fields of global runoff combining observed river discharge and simulated water balances［J］. Global Biogeochemical Cycles， 2002， 16（3）：15-1-15-10.
[37] Cooper M， Haines K. Altimetric assimilation with water property conservation［J］. Journal of Geophysical Research： Oceans， 1996， 101（C1）： 1 059-1 077.
[38] Li W， Xie Y F， He Z J， et al. Application of the multigrid data assimilation scheme to the China Seas’ temperature forecast［J］. Journal of Atmospheric and Oceanic Technology， 2008， 25（11）： 2 106-2 116.
[39] Fu H L， Wu X R， Li W， et al. Improving the accuracy of barotropic and internal tides embedded in a high-resolution global ocean circulation model of MITgcm［J］. Ocean Modelling， 2021， 162： 101809.
[40] Niiler P P， Sybrandy A S， Bi K N， et al. Measurements of the water-following capability of holey-sock and TRISTAR drifters［J］. Deep Sea Research Part I： Oceanographic Research Papers， 1995， 42（11/12）： 1 951-1 964.
[41] Blockley E W， Martin M J， Hyder P. Validation of FOAM near-surface ocean current forecasts using Lagrangian drifting buoys［J］. Ocean Science， 2012， 8（4）： 551-565.
[42] Zhou Hao， Wen Biyang， Liu Haiwen. Ocean surface vector current synthesization of HF ground wave radar［J］. Journal of Wuhan University （Natural Science Edition）， 2001， 47（5）： 634-637.
周浩， 文必洋， 刘海文. 高频地波雷达海洋表面矢量流合成［J］. 武汉大学学报（理学版）， 2001， 47（5）： 634-637.
[43] Zhu Dayong， Shao Hao， Li Yan， et al. Quality analyses of radial currents measured by a demonstration system of OSMAR HF radar in Fujian Province［J］. Journal of Oceanography in Taiwan Strait， 2007， 26（1）： 7-16.
朱大勇，邵浩，李炎， 等. OSMAR高频地波雷达福建示范系统径向流数据质量分析［J］. 台湾海峡，2007， 26（1）： 7-16.
[44] Zhu Yuhang， Zeng Xuezhi， Peng Shiqiu. Assimilation experiments of high frequency ground wave radar current in the northern coast of the South China Sea［J］. Journal of Tropical Oceanography， 2016， 35（6）： 10-18.
朱宇航， 曾学智， 彭世球. 高频地波雷达观测资料对南海北部海流的数值同化实验［J］. 热带海洋学报， 2016， 35（6）： 10-18.
[45] Rio M H， Mulet S， Picot N. Beyond GOCE for the ocean circulation estimate： synergetic use of altimetry， gravimetry， and in situ data provides new insight into geostrophic and Ekman currents［J］. Geophysical Research Letters， 2014， 41（24）： 8 918-8 925.
[46] Vancoppenolle M， Fichefet T， Goosse H， et al. Simulating the mass balance and salinity of Arctic and Antarctic sea ice. 1. model description and validation［J］. Ocean Modelling， 2009， 27（1/2）： 33-53.
[47] Johnson E S， Bonjean F， Lagerloef G S E， et al. Validation and error analysis of OSCAR sea surface currents［J］. Journal of Atmospheric and Oceanic Technology， 2007， 24（4）： 688-701.
[48] Storto A， Masina S， Simoncelli S， et al. The added value of the multi-system spread information for ocean heat content and steric sea level investigations in the CMEMS GREP ensemble reanalysis product［J］. Climate Dynamics， 2019， 53（1/2）： 287-312.
[49] Helber R W， Townsend T L， Barron C N， et al. Validation test report for the Improved Synthetic Ocean Profile （ISOP） system， part I： synthetic profile methods and algorithm［R］. Stennis Space Center： Naval Research Laboratory，2013.
[1] 盖思杰, 李金建, Zhang Qiong, 王振乾, 杨凯晴, 柴静, 靳立亚, 陈婕. 不同先验数据集选择对古气候数据同化效果影响评估[J]. 地球科学进展, 2026, 41(5): 500-520.
[2] 潘林林, 靳双龙, 宋宗朋, 丁煌, 胡睿, 肖子牛, 杜杰, 杨静, 包庆, 王勃. 风能和太阳能短中期气象预报技术及其最新进展[J]. 地球科学进展, 2026, 41(1): 73-86.
[3] 黄春林, 侯金亮, 李维德, 顾娟, 张莹, 韩伟孝, 王维真, 温小虎, 朱高峰. 深度学习融合遥感大数据的陆地水文数据同化：进展与关键科学问题[J]. 地球科学进展, 2023, 38(5): 441-452.
[4] 常明恒, 左洪超, 摆玉龙, 段济开. 两种耦合模糊控制的局地化方法研究[J]. 地球科学进展, 2021, 36(2): 185-197.
[5] 刘元波, 吴桂平, 赵晓松, 范兴旺, 潘鑫, 甘国靖, 刘永伟, 郭瑞芳, 周晗, 王颖, 王若男, 崔逸凡. 流域水文遥感的科学问题与挑战[J]. 地球科学进展, 2020, 35(5): 488-496.
[6] 王世红, 赵一丁, 尹训强, 乔方利. 全球海洋再分析产品的研究现状[J]. 地球科学进展, 2018, 33(8): 794-807.
[7] 刘娜, 王辉, 凌铁军, 祖子清. 全球业务化海洋预报进展与展望[J]. 地球科学进展, 2018, 33(2): 131-140.
[8] 兰鑫宇, 郭子祺, 田野, 雷霞, 王婕. 土壤湿度遥感估算同化研究综述[J]. 地球科学进展, 2015, 30(6): 668-679.
[9] 毛伏平, 张述文, 叶丹, 杨茜茜. 模式时间关联误差对集合平方根滤波估算土壤湿度的影响[J]. 地球科学进展, 2015, 30(6): 700-708.
[10] 尹剑, 占车生, 顾洪亮, 王飞宇. 基于水文模型的蒸散发数据同化实验研究[J]. 地球科学进展, 2014, 29(9): 1075-1084.
[11] 刘彦华，张述文，毛璐，薛宏宇. 评估两类模式对陆面状态的模拟和估算[J]. 地球科学进展, 2013, 28(8): 913-922.
[12] 熊春晖，张立凤，关吉平，陶恒锐，苏佳佳. 集合—变分数据同化方法的发展与应用[J]. 地球科学进展, 2013, 28(6): 648-656.
[13] 陈大可,雷小途,王伟,王桂华,韩桂军,周磊. 上层海洋对台风的响应和调制机理[J]. 地球科学进展, 2013, 28(10): 1077-1086.
[14] 马建文，秦思娴. 数据同化算法研究现状综述[J]. 地球科学进展, 2012, 27(7): 747-757.
[15] 李得勤，段云霞，张述文. 土壤湿度观测、模拟和估算研究[J]. 地球科学进展, 2012, 27(4): 424-434.
阅读次数
全文


摘要

地址：甘肃省兰州市天水中路8号
QQ：114723517
电话：0931-8762293　E-mail：adearth@lzb.ac.cn
陇ICP备2021001824号-5　 甘公网安备62010202000687