修改了一些小问题，但是还是需要在补充补充。

body/主体内容/2研究区域与数据处理.tex

@@ -23,7 +23,7 @@ \subsection{研究区域特征分析}
 
 Fay等人\cite{fay2014global}运用多种参数，如海表面温度（SST）、春夏叶绿素a（Chl-a）浓度、冰浓度以及最大混合层深度（MLD）等，对全球的海洋生物群落进行了分类，如图（1）所示，为全球生物群落划分，不同颜色代表了不同的生物群落区。在研究区域被大致划分为四个主要的生物群落：亚热带永久分层生物群系(subtropical permanently stratified biome, STPS)、亚热带季节性分层生物群系(subtropical seasonally stratified biome,STSS)、亚极地季节性分层生物群系( subpolar seasonally stratified biome, SPSS)和冰层生物群系(ice biome, ICE)。这四个群落各自代表了南大洋中不同的生态区域，每个生态区域都有其独特的生物化学特性。划分条件详见\autoref{tab:biomes分区表}。
 
-南大洋的碳汇变化存在较大的争议，主要原因是南大洋的数据不足和遥感数据的冬季缺失。另外，冬季的被动遥感数据受到太阳天顶角、云层和冰的影响，不能发挥最大效用，如图c所示的多年冬季平均叶绿素，在SPSS和ICE区域存在数据缺失，而STSS和STPS区域的数据覆盖率相对较高。对于ICE区域，由于冬季冰层覆盖率较高，碳汇交换受到限制；而SPSS区域，几乎占据了整个南大洋一半的面积，该区域的碳汇变化趋势存在较大不确定性。基于MODIS卫星Chl-a覆盖情况以及各个区域特征，在本文中我们将STSS和STPS区域视为低纬度区域，将SPSS和ICE区域视为高纬度区域。
+南大洋的碳汇变化存在较大的争议，主要原因是南大洋的数据不足和遥感数据的冬季缺失。另外，冬季的被动遥感数据受到太阳天顶角、云层和冰的影响，不能发挥最大的观测能力，其中MODIS卫星叶绿素数据在SPSS和ICE区域存在数据缺失，而STSS和STPS区域的数据覆盖率相对较高。对于ICE区域，由于冬季冰层覆盖率较高，碳汇交换受到限制；而SPSS区域，几乎占据了整个南大洋一半的面积，该区域的碳汇变化趋势存在较大不确定性。基于MODIS卫星Chl-a覆盖情况以及各个区域特征，在本文中我们将STSS和STPS区域视为低纬度区域，将SPSS和ICE区域视为高纬度区域进行分析对比。
 
 \begin{table}[htbp]
 \bicaption{\label{tab:biomes分区表}Fay等人\cite{fay2014global}划分生物群落的标准}{Fay et al.\cite{fay2014global} Criteria for classifying biomes}
@@ -91,11 +91,11 @@ \subsubsection{CALIPSO卫星以及CALIOP传感器介绍}
     }
 \end{figure}
 
-云气溶胶激光雷达和红外探路卫星观测（the Cloud-Aerosol Lidar and Infrared Pathfinder Satellite Observation, CALIPSO）卫星是由美国国家航空航天局（National Aeronautics and Space Administration, NASA）和法国国家空间研究中心（the Centre National d’Etudes Spatiales, CNES）合作研发。\cite{winker2003accounting,CALIPSO_2009}其作为地球系统科学探路者项目（Earth System Science Pathfinder, ESSP）的一部分，于2006年发射，是A-train地球观测传感器套件的一部分（如\autoref{fig:CALIPSO卫星}-(a)），其目标是填补我们在观测气溶胶和云层全球分布和特性方面的现有空白。\cite{CALIPSO_2009,winker2003accounting}A-train系列卫星在705公里的太阳同步极地轨道上，绕行周期为16天，在每日当地时间约01:30和13:30分别过境一次，轨道间距大约为1.55°，轨道倾角为98.2°，提供了82°N到82°S的全球覆盖。\cite{stephens2002cloudsat,CALIPSO_2009}
+云气溶胶激光雷达和红外探路卫星观测（the Cloud-Aerosol Lidar and Infrared Pathfinder Satellite Observation, CALIPSO）卫星是由美国国家航空航天局（National Aeronautics and Space Administration, NASA）和法国国家空间研究中心（the Centre National d’Etudes Spatiales, CNES）合作研发\cite{winker2003accounting,CALIPSO_2009}。其作为地球系统科学探路者项目（Earth System Science Pathfinder, ESSP）的一部分，于2006年发射，是A-train地球观测传感器套件的一部分（如\autoref{fig:CALIPSO卫星}-(a)），其目标是填补我们在观测气溶胶和云层全球分布和特性方面的现有空白。\cite{CALIPSO_2009,winker2003accounting}A-train系列卫星在705公里的太阳同步极地轨道上，绕行周期为16天，在每日当地时间约01:30和13:30分别过境一次，轨道间距大约为1.55°，轨道倾角为98.2°，提供了82°N到82°S的全球覆盖。\cite{stephens2002cloudsat,CALIPSO_2009}
 
 CALIPSO卫星上携带的主要仪器是云—气溶胶正交偏振激光雷达（the Cloud-Aerosol Lidar with Orthogonal Polarization, CALIOP），是第一个提供全球大气测量的偏振激光雷达，为科学界提供了新的观测能力。CALIOP是一种双波长偏振激光雷达，拥有波长为532nm和1064nm两个通道（如\autoref{fig:CALIPSO卫星}-(b)），能够不间断地收集82°N和82°S之间气溶胶和云在两个波段上的衰减散射以及波长532nm极化后向散射。\cite{CALIPSO_2009}同时它在大气中的垂直采样率为30m，但是由于532nm波段在水中的折射率增加了1.32倍，因此垂直采样分辨率降低到22.5m。它在大气中的垂直采样频率为30m，但由于532nm波段在水中的折射率增加了1.32倍，因此垂直采样分辨率被调整到22.5m。CALIPSO还配备了两种被动传感器：一是宽视场相机，这是一种基于电荷耦合器件的可见光传感器，其在距离卫星下方2.5公里的范围内的像素空间分辨率为125米，在两侧延伸至30公里的带状区域内，其余像素的空间分辨率为1000米。二是红外成像辐射计，它是一种三通道设备，其空间分辨率为1公里，波段为61公里。这两种传感器都以激光雷达的足迹为中心，为我们提供了周边大气的视图。
 
-相较而言，CALIOP激光雷达具有无可比拟的优势。它可以发射自己的激光，无需受太阳光的限制，能在白天和黑夜都能工作。此外，雷达是唯一能提供高分辨率的气溶胶剖面的技术，即使在明亮的地表如荒漠、雪层或明亮的云层上，也能实现气溶胶的观测。激光雷达能穿透高亮的薄云层，绘制出大气的大部分轮廓。还可以通过测量后向散射的去极化信号，提供垂直分辨率的冰水相位测量。\cite{CALIPSO_2009,winker2003accounting}因此，它在弥补被动遥感的缺陷方面具有优势，即使在冬季极地地区也能发挥重要作用。
+相较而言，CALIOP激光雷达具有无可比拟的优势。它可以发射自己的激光，无需受太阳光的限制，能在白天和黑夜都能工作。此外，雷达是唯一能提供高分辨率的气溶胶剖面的技术，即使在明亮的地表如荒漠、雪层或明亮的云层上，也能实现气溶胶的观测。激光雷达能穿透高亮的薄云层，绘制出大气的大部分轮廓。还可以通过测量后向散射的去极化信号，提供垂直分辨率的冰水相位测量\cite{CALIPSO_2009,winker2003accounting}。因此，它在弥补被动遥感的缺陷方面具有优势，即使在冬季极地地区也能发挥重要作用。
 
 \subsubsection{CALIPSO卫星数据及处理}
 \begin{figure}[htbp]

body/主体内容/3基于机器学习算法的pCO2反演模型建立与分析.tex

@@ -204,7 +204,7 @@ \subsubsection{模型独立验证结果}
     {(a) the comparison between in-situ sea surface $p\mathrm{CO_2}$ and sea surface $p\mathrm{CO_2}$ predicted by the XGB-model for the 50 randomly selected cruises; (b) distribution of randomly selected 50 cruises and their residuals.}
 \end{figure}
 
-在训练过程中我们预留了五十条走航数据没有参与训练过程，用作独立测试集，此举可用于验证模型的外推能力。这50条随机抽选的航次分布情况如\autoref{fig:独立验证}-(b)所示，基本覆盖了南大洋的各个区域。 \autoref{fig:独立验证}-(a)中我们能看到模型能够很好地拟合，且能够抓住变化趋势。从数据角度来看，RMSE为18.40μatm，MAE为12.88μatm，$\rm R^2$为0.52，说明模型you较好的拟合效果。\autoref{fig:独立验证}-(b)为残差图，可以看到除去东经160°，南纬35°的近岸地区误差较大外，模型误差较小，说明该模型完全有把握地预测南大洋$p\mathrm{CO_2}$时空变化。
+在训练过程中我们预留了五十条走航数据没有参与训练过程，用作独立测试集，此举可用于验证模型的外推能力。这50条随机抽选的航次分布情况如\autoref{fig:独立验证}-(b)所示，基本覆盖了南大洋的各个区域。 \autoref{fig:独立验证}-(a)中我们能看到模型能够很好地拟合，且能够抓住变化趋势。从数据角度来看，RMSE为18.40μatm，MAE为12.88μatm，$\rm R^2$为0.52，说明模型有较好的拟合效果。\autoref{fig:独立验证}-(b)为残差图，可以看到除去东经160°，南纬35°的近岸地区误差较大外，模型误差较小，说明该模型完全有把握地预测南大洋$p\mathrm{CO_2}$时空变化。
 
 \subsubsection{敏感性验证}
 \begin{table}[htbp]

body/主体内容/4南大洋碳汇变化.tex

@@ -122,7 +122,7 @@ \section{南大洋高纬度地区碳汇差异原因分析}
 
 \begin{figure}[htbp]
     \centering
-    \includegraphics[width=\linewidth]{figure/第四章用图/图4-冬季平均.jpg}
+    \includegraphics[width=\linewidth]{figure/第四章用图/567月结果.png}
     \bicaption{\label{fig:fig-4冬季平均}(a) 各产品冬季（5，6，7月）南大洋平均$\mathrm{CO_2}$通量（负数表示为$\mathrm{CO_2}$汇）；(b)和(c) 分别为低纬度区域和高纬度区域各产品冬季平均$\mathrm{CO_2}$通量。}
     {(a) Average $\mathrm{CO_2}$ flux (negative number indicates $\mathrm{CO_2}$ absorption) in the Southern Ocean for each product during winter (May, June, July)  (b) and (c) are the average $\mathrm{CO_2}$ fluxes for each product in the low-latitude and high-latitude regions, respectively, during winter.}
 \end{figure}

config/format/general/caption.tex

@@ -13,9 +13,9 @@
 
 %% Uncomment the following lines to use dual-language caption
 %% E.g.: https://github.com/TheNetAdmin/zjuthesis/issues/181
-% \usepackage[list=off]{bicaption}
-% \DeclareCaptionOption{bi-second}[]{%
-%     \def\tablename{Table}%
-%     \def\figurename{Figure}%
-% }
-% \captionsetup[bi-second]{bi-second}
+\usepackage[list=off]{bicaption}
+\DeclareCaptionOption{bi-second}[]{%
+    \def\tablename{Table}%
+    \def\figurename{Figure}%
+}
+\captionsetup[bi-second]{bi-second}