diff --git a/body/graduate/post.tex b/body/graduate/post.tex
index 5aafbcfd..296fd1e7 100644
--- a/body/graduate/post.tex
+++ b/body/graduate/post.tex
@@ -1,5 +1,5 @@
 \inputbody{post/ref}
-\inputbody{post/appendix}
+% \inputbody{post/appendix}
 \ifthenelse{\equal{\BlindReview}{true}}
 {
 }
diff --git a/body/graduate/post/cv.tex b/body/graduate/post/cv.tex
index 977d3354..623ddc36 100644
--- a/body/graduate/post/cv.tex
+++ b/body/graduate/post/cv.tex
@@ -1,2 +1,20 @@
 \cleardoublepage
 \chapternonum{作者简历}
+
+
+\begin{enumerate}
+    \item 个人情况
+    
+        黄浩，男，1998年出生，安徽宣城人
+        
+        \begin{tabular}{p{0.25\textwidth}p{0.2\textwidth}p{0.25\textwidth}p{0.25\textwidth}}
+            2017.09-2021.06 & 浙江大学 & 农业资源与环境 & 学士 \\
+            2021.09-至今& 浙江大学 & 资源与环境 &攻读硕士\\
+        \end{tabular}
+        
+    \item 科研经历\\
+        2023年11月参加第十二届水色遥感大会
+    \item 科研成果\\
+        《Revisiting winter Southern Ocean CO2 uptake based on CALIPSO observations》，目前在审稿阶段。
+\end{enumerate}
+
diff --git "a/body/\344\270\273\344\275\223\345\206\205\345\256\271/1\347\273\252\350\256\272\351\203\250\345\210\206.tex" "b/body/\344\270\273\344\275\223\345\206\205\345\256\271/1\347\273\252\350\256\272\351\203\250\345\210\206.tex"
index 807b731a..aba4b8ef 100644
--- "a/body/\344\270\273\344\275\223\345\206\205\345\256\271/1\347\273\252\350\256\272\351\203\250\345\210\206.tex"
+++ "b/body/\344\270\273\344\275\223\345\206\205\345\256\271/1\347\273\252\350\256\272\351\203\250\345\210\206.tex"
@@ -1,17 +1,28 @@
 \section{研究背景与意义}
 \subsection{研究背景}
-全球变暖是我们当下最关注的热点之一，自农业变革和工业革命以来，人们对能源的需求持续增长，大量化石燃料被消耗，导致大气中温室气体含量大幅上升，研究表明$\rm CO_2$浓度已增加40\%，空气中$\rm CO_2$浓度从1750年的278ppm（1ppm等于百万分之一）增加到2023年10月的418.64ppm，并且以每年0.4\%的速度增加\cite{lan2024trends,JDYZ200103003}。这种温室气体的增加将加速全球变暖的进程，可能导致冰川融化、海平面上升、极端天气事件增加和生物多样性丧失，对地球生态系统、气候以及人类生活将产生深远影响\cite{陈立奇2004北极地区碳循环研究意义和展望,RASOOL_DE_BERGH_1970,Haines_2003,苏茜2017,ZKJZ200907010}。因此，深入研究碳循环变化显得尤为重要。
+全球变暖已成为备受关注的重要议题之一，自农业变革和工业革命以来，人们对能源的需求持续增长，大量化石燃料被消耗，导致大气中温室气体含量大幅上升，研究表明$\rm CO_2$浓度已增加40\%，空气中$\rm CO_2$浓度从1750年的278ppm（1ppm等于百万分之一）增加到2023年10月的418.64ppm，并且以每年0.4\%的速度增加\cite{lan2024trends,JDYZ200103003}。这种温室气体的增加将加速全球变暖的进程，可能导致冰川融化、海平面上升、极端天气事件增加和生物多样性丧失，对地球生态系统、气候以及人类生活将产生深远影响\cite{陈立奇2004北极地区碳循环研究意义和展望,RASOOL_DE_BERGH_1970,Haines_2003,苏茜2017,ZKJZ200907010}。因此，深入研究碳循环变化显得尤为重要。
 
-海洋在全球碳循环中发挥着关键作用，是最大的非地质性碳储存库，其储存量比大气多50倍，比生物圈多20倍\cite{陈立奇2004北极地区碳循环研究意义和展望,SJKF200204011}。当前的研究估计显示，1800年到1994年间全球海洋每年吸收的$\rm CO_2$净通量约为1.5$\pm$0.5Pg（1Pg= $10^{15}$g），且全球海洋吸收的人为排放的$\rm CO_2$总量约为118$\pm$19亿吨，占化石燃料和机械制造排放总量的48\%\cite{Sabine_2004}。海洋在缓解全球气候变化方面发挥了重要作用\cite{DXJZ201204005}，但是海洋吸收$\rm CO_2$的过程也带来了一些问题，比如当$\rm CO_2$溶解在海水中，会生成碳酸并电离出氢离子，使海水变酸，pH值降低，这对海洋生物造成了威胁，对整个生态环境也造成了影响\cite{海水酸化对海洋生物影响的研究进展,升温耦合酸化对大型海藻灾害种氮响应与吸收机制研究,苏茜2017,JDYZ201603011}。
+海洋是最大的非地质性碳储存库，在全球碳循环中扮演着至关重要的角色，其储存量比大气多50倍，比生物圈多20倍\cite{陈立奇2004北极地区碳循环研究意义和展望,SJKF200204011}。当前的研究估计显示，1800年到1994年间全球海洋每年吸收的$\rm CO_2$净通量约为1.5$\pm$0.5Pg（1Pg= $10^{15}$g），且全球海洋吸收的人为排放的$\rm CO_2$总量约为118$\pm$19亿吨，占化石燃料和机械制造排放总量的48\%\cite{Sabine_2004}。海洋在缓解全球气候变化方面发挥了重要作用\cite{DXJZ201204005}，但是海洋吸收$\rm CO_2$的过程也带来了一些问题，比如当$\rm CO_2$溶解在海水中，会生成碳酸并电离出氢离子，使海水变酸，pH值降低，这对海洋生物造成了威胁，对整个生态环境也造成了影响\cite{海水酸化对海洋生物影响的研究进展,升温耦合酸化对大型海藻灾害种氮响应与吸收机制研究,苏茜2017,JDYZ201603011}。
 
 因此了解海洋碳循环的过程十分重要，能够帮助我们更好地研究全球碳循环过程和气候变化，为制定应对气候变化的政策和措施提供科学依据。
 
 \subsection{南大洋中\texorpdfstring{$p\mathrm{CO_2}$}{}的研究意义}
 海洋与大气间的$\rm CO_2$交换受到多种因素的影响，其中包括热力效应、物理混合、生物活动和气体交换等\cite{clargo2015rapid,周洁_2014,陈鑫2012,lefevre2002estimating}。为了更准确地评估海-气$\rm CO_2$交换的强度，需要分别关注海洋表面和大气中的$\rm CO_2$分压（$p\rm CO_2$, partial pressure of $\rm CO_2$）。该参数表示单位体积的流体中$\rm CO_2$气体的浓度，一般以压力单位$\rm \mu atm$（1 $\rm \mu atm$ 为百万分之一标准大气压）表示。大气中的$p\rm CO_2$一般用$p\rm CO_2^{air}$（$p\rm CO_2$ in the atmosphere）表示，其值与人类活动息息相关；海洋表面的$p\rm CO_2$ 一般用$p\rm CO_2^{sea}$（$p\rm CO_2$ in the sea）表示，本文中无特殊说明，$p\rm CO_2$ 即指海表的$p\rm CO_2$ 。
 
-$\rm CO_2$分压差（$\Delta p\rm CO_2$）是评判海洋吸收$\mathrm{CO_2}$还是排放$\mathrm{CO_2}$的重要参考，其计算公式为$\Delta \mathit{p}\rm{CO_2} = \mathit{p}\rm{CO_2^{sea}} - \mathit{p}\rm{CO_2^{air}}$，若$\Delta p \rm{CO_2}>0 $，即$p\rm CO_2^{sea}$ > $p\rm CO_2^{air}$，海洋中的$\rm CO_2$分压大于大气中的$\rm CO_2$分压，海洋向大气中放出$\rm CO_2$，我们一般称之为$\rm CO_2$ 的“源”，反之，称为$\rm CO_2$的“汇”。海-气$\rm CO_2$通量（$\mathrm{CO_2}$\ $flux$）是用于衡量海-气$\rm CO_2$交换大小的物理量，定义为单位时间单位面积上海洋界面和大气$\rm CO_2$的净交换量。 $\Delta p \rm CO_2$结合海-气交换系数可进一步计算得到$\rm CO_2$通量。根据Global carbon budget 2023的估算\cite{budget2023global}，在2013-2023年的十年间平均海洋$\rm CO_2$汇约为2.9$\pm$ 0.4$\rm GtC yr^{-1}$,占据了$\rm CO_2$总排放量的26\%\cite{budget2023global}。海表$p\rm CO_2$的地理和季节变化显著超过大气中$p\rm CO_2$的变化，因此，海-气$\rm CO_2$输送通量的规模和方向主要受海表$p\rm CO_2$的影响，其也是多年来研究的重点。通过对$p\rm CO_2$ 的监测和分析，可以了解海洋中$\rm CO_2$的分布和变化趋势，进而研究海洋碳循环的过程和机制。因此，准确地估算和预测海洋碳通量需要准确的$p\rm CO_2$数据,再通过分析海洋中$p\rm CO_2$的空间分布和变化趋势，我们可以揭示海洋对$\rm CO_2$的吸收和释放过程，进而预测和评估海洋对全球碳循环的影响。
-
-近些年的研究结果表明\cite{khatiwala2009reconstruction,devries2014oceanic}，南大洋是全球海域中重要的碳汇区域，其占据了全球海洋面积的25\%却能够吸收占据全球海域吸收总量的40\%以上的人为$\rm CO_2$。海洋生物化学模式和基于观测的结果\cite{hauck2013seasonally}均表明，20世纪90年代，由于西风的增强以及富含碳和营养的深层水上涌加剧南大洋碳汇增长停滞，21世纪初的南大洋碳汇出现复兴迹象，到2012年，南大洋已经恢复了基于大气$\rm CO_2$预测的强度\cite{landschutzer2015reinvigoration}。作为一个重要的碳汇，南大洋在调节海洋与大气中的$\rm CO_2$交换中发挥着关键的作用，但是由于极地高纬度地区实测数据的有限和分布的稀缺，基于海表观测的数据和大气反演的结果显示仍然存在不确定性\cite{Global_Carbon_Budget_2022}，因此更加清晰的南大洋碳汇变化趋势对于全球气候变化来说显得十分重要。
+$\rm CO_2$分压差（$\Delta p\rm CO_2$）是评判海洋吸收$\mathrm{CO_2}$还是排放$\mathrm{CO_2}$的重要参考，
+其计算公式为$\Delta \mathit{p}\rm{CO_2} = \mathit{p}\rm{CO_2^{sea}} - \mathit{p}\rm{CO_2^{air}}$，
+若$\Delta p \rm{CO_2}>0 $，即$p\rm CO_2^{sea}$ > $p\rm CO_2^{air}$，海洋中的$\rm CO_2$分压大于大气中的$\rm CO_2$分压，
+海洋向大气中放出$\rm CO_2$，一般称这种海域为$\rm CO_2$ 的“源”，反之，称之为$\rm CO_2$的“汇”。
+海-气$\rm CO_2$通量（$\mathrm{CO_2}$\ $flux$）是用于衡量海-气$\rm CO_2$交换规模的物理量，
+定义为单位时间单位面积上海洋界面和大气$\rm CO_2$的净交换量，在海洋碳循环中起着重要作用。 
+$\Delta p \rm CO_2$结合海-气交换系数可进一步计算得到$\rm CO_2$通量。
+根据Global carbon budget 2023的估算\cite{budget2023global}，在2013-2023年的十年间平均海洋$\rm CO_2$汇约为2.9$\pm$ 0.4$\rm GtC yr^{-1}$,占据了$\rm CO_2$总排放量的26\%\cite{budget2023global}。海表$p\rm CO_2$的地理和季节变化显著超过大气中$p\rm CO_2$的变化，因此，海-气$\rm CO_2$输送通量的规模和方向主要受海表$p\rm CO_2$的影响，其也是多年来研究的重点。通过对$p\rm CO_2$ 的监测和分析，可以了解海洋中$\rm CO_2$的分布和变化趋势，进而研究海洋碳循环的过程和机制。因此，准确地估算和预测海洋碳通量需要准确的$p\rm CO_2$数据,再通过分析海洋中$p\rm CO_2$的空间分布和变化趋势，我们可以揭示海洋对$\rm CO_2$的吸收和释放过程，进而预测和评估海洋对全球碳循环的影响。
+
+近些年的研究结果表明\cite{khatiwala2009reconstruction,devries2014oceanic}，南大洋是全球海域中重要的碳汇区域，
+其面积虽然仅占全球海洋总面积的25\%，但却能够吸收超过40\%的全球海洋人为$\mathrm{CO_2}$排放量。
+海洋生物化学模式和基于观测的结果\cite{hauck2013seasonally}均表明，20世纪90年代，由于西风的增强以及
+富含碳和营养的深层水上涌加剧南大洋碳汇增长停滞，到21世纪初南大洋碳汇才出现复兴迹象，到2012年，
+南大洋已经恢复了基于大气$\rm CO_2$预测的强度\cite{landschutzer2015reinvigoration}。作为一个重要的碳汇，南大洋在调节海洋与大气中的$\rm CO_2$交换中发挥着关键的作用，但是由于极地高纬度地区实测数据的有限和分布的稀缺，基于海表观测的数据和大气反演的结果显示仍然存在不确定性\cite{Global_Carbon_Budget_2022}，因此更加清晰的南大洋碳汇变化趋势对于全球气候变化来说显得十分重要。
 
 % \subsection{使用遥感数据反演南大洋中$\rm CO_2$分压的意义}
 \subsection{使用遥感数据反演南大洋中 \texorpdfstring{$p\mathrm{CO_2}$}{}的意义}
diff --git "a/body/\344\270\273\344\275\223\345\206\205\345\256\271/4\345\215\227\345\244\247\346\264\213\347\242\263\346\261\207\345\217\230\345\214\226.tex" "b/body/\344\270\273\344\275\223\345\206\205\345\256\271/4\345\215\227\345\244\247\346\264\213\347\242\263\346\261\207\345\217\230\345\214\226.tex"
index 0c3d672a..f24dfc29 100644
--- "a/body/\344\270\273\344\275\223\345\206\205\345\256\271/4\345\215\227\345\244\247\346\264\213\347\242\263\346\261\207\345\217\230\345\214\226.tex"
+++ "b/body/\344\270\273\344\275\223\345\206\205\345\256\271/4\345\215\227\345\244\247\346\264\213\347\242\263\346\261\207\345\217\230\345\214\226.tex"
@@ -16,9 +16,11 @@ \subsection{\texorpdfstring{$p\mathrm{CO_2}$ }{}产品介绍}
 \end{tabular}  
 \end{table} 
 
-在1.3小节中，我们介绍了一些关于全球$p\mathrm{CO_2}$的研究进展，这些研究都取得了不错的研究成果，为我们初步理解全球$p\mathrm{CO_2}$的时空变化提供了帮助。然而大部分研究都提到，南大洋地区存在很大的分歧或不确定性\cite{CSIR_ML6,MPI_SOMFFN,socat2016}。我们分析这可能是由于冬季叶绿素数据缺失引起的，因此，我们选择了SOCCOM项目中收录的多种机器学习方法的产品进行对比。这些产品有着较多的共性，比如：都是以SOCAT数据集中提供的$p\mathrm{CO_2}$为目标变量，同时也使用了相似的输入变量，并都采用了回归方法。如\autoref{tab:不同产品对比}所示，列举的这些产品都以全球$p\mathrm{CO_2}$为研究对象，且都提供了月平均$p\mathrm{CO_2}$产品，但分辨率较低，仅为1°×1°。
+在1.3小节中，我们介绍了一些关于全球$p\mathrm{CO_2}$的研究进展，这些研究都取得了不错的研究成果，为我们初步理解全球$p\mathrm{CO_2}$的时空变化提供了帮助。然而大部分研究都提到，南大洋地区存在很大的分歧或不确定性\cite{CSIR_ML6,MPI_SOMFFN,socat2016}。
+我们分析这可能是由于冬季缺失实测数据和冬季叶绿素数据缺失引起的，因此，选择了SOCCOM项目中收录的多种机器学习方法的产品进行对比。
+这些产品有着较多的共性，比如：都是以SOCAT数据集中提供的$p\mathrm{CO_2}$为目标变量，多数都使用了相似的输入变量，并都采用了回归方法。如\autoref{tab:不同产品对比}所示，列举的这些产品都以全球$p\mathrm{CO_2}$为研究对象，且都提供了月平均$p\mathrm{CO_2}$产品，但分辨率较低，仅为1°×1°。
 
-虽然这些产品取得了不错的成果，但是他们在处理冬季高纬度Chl-a缺失问题上仍然存在着一些不完美，这些产品在处理该问题的策略大体上分为两类：一是使用假设值（低值）替代，如CSIR-ML6\cite{CSIR_ML6}、LSCE-FNN\cite{LSCE_FFNN}等产品，例如CSIR-ML6产品假设$log(\mathrm{Chl-a})=0$来填补缺失的叶绿素，LSCE-FNN产品则也是假设低值，且加上了一定的噪声；另一种策略是直接忽略叶绿素，如MPI-SOMFNN产品\cite{MPI_SOMFFN}和JMA-MLR产品\cite{JMA_MLR}在冬季无叶绿素的地区只使用剩余的环境变量进行回归拟合，这无疑会加剧冬季估算的不确定性。
+虽然这些产品取得了不错的成果，但是他们在处理冬季高纬度Chl-a缺失问题上仍然存在着一些不完美。这些产品在处理该问题的策略大体上分为两类：一是使用假设值（低值）替代，如CSIR-ML6\cite{CSIR_ML6}、LSCE-FNN\cite{LSCE_FFNN}等产品，例如CSIR-ML6产品假设$log(\mathrm{Chl}-\mathrm{a})=0$来填补叶绿素缺失的高纬度地区，LSCE-FNN产品\cite{LSCE_FFNN}则也是假设低值，且加上了一定的噪声模拟；另一种策略是直接忽略叶绿素，尝试着使用其他变量进行反演建模，如MPI-SOMFNN产品\cite{MPI_SOMFFN}和JMA-MLR产品\cite{JMA_MLR}在冬季无叶绿素的地区只使用剩余的环境变量进行回归拟合，这无疑会加剧冬季估算的不确定性。
 % 、NIES-FNN\cite{zeng2022surface}、NIES3\cite{zeng2014global};NIES3产品则是使用了气候态叶绿素来填补
 
 这些假设方法与真实情况有差距，或多或少都对$p\mathrm{CO_2}$的准确反演造成了一定的干扰。并且考虑到各产品在计算$\mathrm{CO_2}$通量过程中可能使用了不同的风速、温度产品，为了更清晰地比较各产品的碳汇量区别，我们对各产品的$\mathrm{CO_2}$通量重新进行了计算。在此过程中，我们仅使用了各产品中的$p\mathrm{CO_2}$数据，确保了其他变量的一致性，以便进行最后的对比。
@@ -68,7 +70,10 @@ \section{南大洋\texorpdfstring{$p\mathrm{CO_2}$ }{}时空变化}
     {(a) The monthly average $p\mathrm{CO_2}$ time series for each product in the Southern Ocean, and (b) and (c) are the monthly average $p\mathrm{CO_2}$ time series for each product at low and high latitudes, respectively}
 \end{figure}
 
-如\autoref{fig:fig-4pCO2空间分布}所示，从$p\mathrm{CO_2}$空间分布情况来看，南大洋在夏秋季节有较为明显的分布特征，呈现为“双环结构”。即STSS区域和Ice区域是低值集中区，而SPSS区域是高值集中区，这可能是由于生物等因素的影响。然而，在春季和冬季，分布特性并不明显，具体表现为越往南，$p\mathrm{CO_2}$值越高。产品间对比可发现他们的数据覆盖面积存在差异，比如MPIS-SOMFFN产品能覆盖到全部非陆地区域，而其他产品则没有。这是由于各产品可能使用了不同的冰浓度产品和叶绿素处理策略，因此在计算flux时，我们统一了冰浓度产品以确保永久冰层区域不参与统计。其次，在春季和冬季，高纬度地区的$p\mathrm{CO_2}$值大小差异最为明显。
+如\autoref{fig:fig-4pCO2空间分布}所示，从$p\mathrm{CO_2}$空间分布情况来看，南大洋在夏秋季节有较为明显的分布特征，呈现为“双环结构”。即STSS区域和Ice区域是低值集中区，而SPSS区域是高值集中区，这可能是由于生物等因素的影响。
+然而，在春季和冬季，分布特性并不明显，具体表现为越往南，$p\mathrm{CO_2}$值越高。产品间对比可发现他们的数据覆盖面积存在差异，比如MPIS-SOMFFN产品能覆盖到全部非陆地区域，而其他产品则没有。
+这是由于各产品可能使用了不同的冰浓度产品和叶绿素处理策略，因此在计算flux时，我们统一了冰浓度产品以确保永久冰层区域不参与统计。
+其次，在春季和冬季，高纬度地区的$p\mathrm{CO_2}$值大小差异最为明显。
 
 \begin{figure}[htbp]
     \centering
@@ -108,7 +113,10 @@ \subsection{南大洋碳汇时空特征}
     {(a) The monthly  $\mathrm{CO_2}$ flux time series for each product in the Southern Ocean, and (b) and (c) are the monthly  $\mathrm{CO_2}$ flux time series for each product at low and high latitudes, respectively}
 \end{figure}
 
-根据4.2.1小节的计算结果，我们得到了南大洋每月海气$\mathrm{CO_2}$交换通量的数据。如\autoref{fig:fig-4flux时间变化}所示，图(a)展示了整个南大洋区域的$\mathrm{CO_2}$吸收情况。可以看出，在研究期间南大洋一直在吸收$\mathrm{CO_2}$，并且每年以微弱的增幅增长，约为0.016Pg\ C\ yr$^{-1}$。图中还可以看出，南大洋在冬季的吸收量最少，这可能是温度影响了气体交换。根据图(b)和(c)，我们可以知道南大洋的主要碳汇区域仍然集中在低纬度的STPS和STSS区域，而高纬度区域则有较为明显的季节变化，在冬季吸收最少，并且有多个产品认为是碳源区域。从整个区域的年平均来看，南大洋的碳汇量约为1.37±0.04Pg\ C\ yr$^{-1}$；其中，低纬度地区约吸收了0.96±0.02Pg\ C\ yr$^{-1}$的$\mathrm{CO_2}$，高纬度地区约吸收了0.35±0.03Pg\ C\ yr$^{-1}$的$\mathrm{CO_2}$。
+根据4.2.1小节的计算结果，我们得到了南大洋每月海-气$\mathrm{CO_2}$交换通量的数据。
+如\autoref{fig:fig-4flux时间变化}所示，\autoref{fig:fig-4flux时间变化}-(a)展示了整个南大洋区域的$\mathrm{CO_2}$吸收情况。
+可以看出，在研究期间南大洋一直在吸收$\mathrm{CO_2}$，并且每年以微弱的增幅增长，约为0.016Pg\ C\ yr$^{-1}$。
+\autoref{fig:fig-4flux时间变化}中还可以看出，南大洋在冬季的吸收量最少，这可能是温度影响了气体交换。根据\autoref{fig:fig-4flux时间变化}(b)和(c)，我们可以知道南大洋的主要碳汇区域仍然集中在低纬度的STPS和STSS区域，而高纬度区域则有较为明显的季节变化，在冬季吸收最少，并且有多个产品认为是碳源区域。从整个区域的年平均来看，南大洋的碳汇量约为1.37±0.04Pg\ C\ yr$^{-1}$；其中，低纬度地区约吸收了0.96±0.02Pg\ C\ yr$^{-1}$的$\mathrm{CO_2}$，高纬度地区约吸收了0.35±0.03Pg\ C\ yr$^{-1}$的$\mathrm{CO_2}$。
 
 如\autoref{fig:fig-4flux空间变化}所示，从空间分布来看，STSS区域是南大洋吸收碳主要的区域。这可能由于富含碳的深层水的影响。从整个区域来看，只有春季和冬季靠近冰域的少数地区是$\mathrm{CO_2}$释放区，这与比较的产品和之前的研究一致，多数研究归结于深层富含营养的海水上涌所导致。与其他产品相比，可以明显地发现这些产品在该区域存在$\mathrm{CO_2}$排放高估的情况。
 \begin{figure}[htbp]
@@ -134,11 +142,24 @@ \section{南大洋高纬度地区碳汇差异原因分析}
 
 \section{本章小结}
 
-本章一开始先介绍了目前的一些基于遥感回归方法的研究成果，并对每种产品进行介绍和分析。他们的成果对我们了解全球$p\mathrm{CO_2}$变化有着重要的作用，排除其他参数的影响，我们计算了这些产品的碳汇分布情况。接着利用第三章得到的模型进行反演南大洋月平均$p\mathrm{CO_2}$，能够发现南大洋的$p\mathrm{CO_2}$多年来以1.8μatm yr$^{-1}$的速度增长，但是略小于大气$p\mathrm{CO_2}$的增长速度（2.02 μatm yr$^{-1}$）,表明南大洋吸收$\mathrm{CO_2}$的量可能在逐渐增加；$p\mathrm{CO_2}$在空间和时间尺度上有着显著的特点，如春夏季节的“双环结构”，以及在夏季低、冬季高的季节性变化，这与众多产品结果表现一致，但是从空间部分上来看仍有一些地方存在差异，其中差异最为显著的是冬季高纬度区域。
-
-接着，结合空气传输速度我们计算出了各个产品的的海-气$\mathrm{CO_2}$交换通量，用于探究不同Chl-a处理策略下南大洋碳汇的碳汇的差异。从结果可以看出，整个南大洋碳汇量在研究时间内以0.016PgC\ yr$^{-1}$的速度在逐渐增长，从总量上来看，整个区域年平均吸收1.37±0.04PgC yr$^{-1}$，其中低纬度是主要吸收区，吸收了约0.96±0.02PgC yr$^{-1}$；而高纬度地区吸收了约0.35±0.03PgC yr$^{-1}$。从各个产品的对比来看，多数产品在高纬度的差异最大，除了与现有研究结果相悖的MPI-SOMFFN产品外，大多数产品再该区域表现为高估了$p\mathrm{CO_2}$，最终导致了整个高纬度区域的碳汇量低估。
-
-总的来说，我们利用了基于主动遥感卫星的CALIPSO卫星的$b_{bp}$数据得到的结果表明，南大洋在冬季高纬度地区为碳汇区域，然而近些年使用不同Chl-a处理策略的产品大多数低估了南大洋冬季的碳汇。
+本章一开始先介绍了目前的一些基于回归方法的研究成果及产品，他们的成果对我们了解全球$p\mathrm{CO_2}$变化有着重要的作用，
+为了与我们产品对比，我们基于产品中$p\mathrm{CO_2}$计算了这些产品的碳汇分布情况。
+利用第三章得到的XGB-$p\mathrm{CO_2}$模型进行反演南大洋月平均$p\mathrm{CO_2}$，
+能够发现南大洋的$p\mathrm{CO_2}$多年来以1.8μatm yr$^{-1}$的速度增长，略小于大气$p\mathrm{CO_2}$的增长速度（2.02 μatm yr$^{-1}$）,
+表明南大洋吸收$\mathrm{CO_2}$的量可能在逐渐增加；$p\mathrm{CO_2}$在空间和时间尺度上有着显著的特点，
+如春夏季节的“双环结构”地区分布，以及在夏季低、冬季高的季节性变化，众多产品结果表现一致，
+但是冬季高纬度区域的差异最为显著的是。
+
+基于$p\mathrm{CO_2}$并结合空气传输速度我们计算出了各个产品的的海-气$\mathrm{CO_2}$交换通量，
+用于探究不同Chl-a处理策略下南大洋碳汇的碳汇的差异。
+整个南大洋碳汇量在研究时间内以0.016PgC\ yr$^{-1}$的速度在逐渐增长，
+从总量上来看，整个区域年平均吸收1.37±0.04PgC yr$^{-1}$，其中低纬度是主要吸收区，吸收了约0.96±0.02PgC yr$^{-1}$；
+而高纬度地区吸收了约0.35±0.03PgC yr$^{-1}$。
+从各个产品的对比来看，多数产品在高纬度的差异最大，除了MPI-SOMFFN产品外，
+大多数产品再该区域表现为高估了$p\mathrm{CO_2}$，最终导致了整个高纬度区域的碳汇量低估。
+
+总的来说，我们利用了基于主动遥感卫星的CALIPSO卫星的$b_{bp}$数据得到的结果表明，
+南大洋在冬季高纬度地区为碳汇区域，然而近些年使用不同Chl-a处理策略的产品大多数低估了南大洋冬季的碳汇。
 
 
 
diff --git "a/body/\344\270\273\344\275\223\345\206\205\345\256\271/5\347\273\223\350\256\272\344\270\216\345\261\225\346\234\233.tex" "b/body/\344\270\273\344\275\223\345\206\205\345\256\271/5\347\273\223\350\256\272\344\270\216\345\261\225\346\234\233.tex"
index 54ffcbd4..0f274a36 100644
--- "a/body/\344\270\273\344\275\223\345\206\205\345\256\271/5\347\273\223\350\256\272\344\270\216\345\261\225\346\234\233.tex"
+++ "b/body/\344\270\273\344\275\223\345\206\205\345\256\271/5\347\273\223\350\256\272\344\270\216\345\261\225\346\234\233.tex"
@@ -1,38 +1,67 @@
 \section{结论}
-本研究主要以南纬35°以南的南大洋为研究区域。首先，我们发现包括MODIS在内的多个传统被动遥感数据，特别是叶绿素数据，在冬季高纬度地区存在缺失值的现象，这给$p\mathrm{CO_2}$的准确反演带来了挑战。然而，主动卫星成像的特点可以弥补被动遥感的缺点。基于Berenfeld等人\cite{bbp_Annual_2017,chen2017estimating}的研究表明，来自CALIPSO主动卫星遥感的$b_{bp}$数据与浮游植物生物量之间存在关系，因此我们用$b_{bp}$数据代替叶绿素数据来表征生物过程，以此建立反演模型。我们通过输入包括$b_{bp}$，SST，SSS，MLD，wind和$x\mathrm{CO_2}$在内的六种变量，建立了一个能准确反演南大洋$p\mathrm{CO_2}$的XGBoost模型。我们使用了预留的50条航次实测数据做独立测试，并对输入变量进行敏感性分析，来证明该模型的鲁棒性以及泛化能力。
-
-该XGB模型可以用于长期观察南大洋的$p\mathrm{CO_2}$水平。它成功地实现了从2008年1月到2016年12月的南大洋$p\mathrm{CO_2}$的时空分布图像的建立，以及对海-气$\mathrm{CO_2}$通量的计算和预测。通过比较多种机器学习产品，我们发现了存在的差异。最后我们得到了以下结论：
+本研究主要以35°S以南的南大洋为研究区域。首先，我们发现包括MODIS在内的多个传统被动遥感数据，特别是叶绿素数据，
+在冬季高纬度地区存在缺失值的现象，这给$p\mathrm{CO_2}$的准确反演带来了挑战。
+然而，主动卫星成像的特点可以弥补被动遥感的缺点。基于Berenfeld等人\cite{bbp_Annual_2017,chen2017estimating}的研究表明，
+来自CALIPSO主动卫星遥感的$b_{bp}$数据与浮游植物生物量之间存在关系，因此我们用$b_{bp}$数据代替叶绿素数据来表征生物过程，
+以此建立反演模型。我们通过输入包括$b_{bp}$，SST，SSS，MLD，wind和$x\mathrm{CO_2}$在内的六种变量，
+建立了一个能准确反演南大洋$p\mathrm{CO_2}$的XGB-$p\mathrm{CO_2}$模型。
+我们使用了预留的50条航次实测数据做独立测试，并对输入变量进行敏感性分析，来证明该模型的鲁棒性以及泛化能力。
+
+该XGB-$p\mathrm{CO_2}$模型可以用于长期观察南大洋的$p\mathrm{CO_2}$水平，
+成功地实现了从2008年1月到2016年12月的南大洋$p\mathrm{CO_2}$的时空分布图像的建立，
+以及对海-气$\mathrm{CO_2}$通量的计算和预测。通过比较多种机器学习回归方法的产品，我们发现了存在的差异。最后我们得到了以下结论：
 
 （1）南大洋海表$p\mathrm{CO_2}$的时间与空间尺度的变化 
 
-从时间变化来看，南大洋海表$p\mathrm{CO_2}$有着显著的季节变化，一般来说，在夏季较低，而在冬季达到最大值；研究区间内，平均海表$p\mathrm{CO_2}$的年际增长率为1.88μatm yr$^{-1}$，略低于大气的2.14μatmyr$^{-1}$，说明南大洋吸碳能力在逐年增加，从空间分布来看，南大洋$p\mathrm{CO_2}$低值主要集中在35°S到50°S的低纬度区域，意味着这里是吸收碳的主要区域。
+从时间变化来看，南大洋海表$p\mathrm{CO_2}$有着显著的季节变化，在夏季较低，而在冬季达到最大值；
+研究区间内，平均海表$p\mathrm{CO_2}$的年际增长率为1.88μatm yr$^{-1}$，略低于大气的2.14μatmyr$^{-1}$，
+说明南大洋吸碳能力在逐年增加，从空间分布来看，南大洋$p\mathrm{CO_2}$低值主要集中在35°S到50°S的低纬度区域，
+意味着这里是吸收碳的主要区域。
 
 （2）南大洋地区碳吸收能力的变化趋势
 
-通过计算二氧化碳通量，我们能够量化分析南大洋地区的碳吸收能力变化，我们的结果表明南大洋在研究区间内能够吸收±1.37±0.04PgC yr$^{-1}$，而低纬度的南大洋地区能够吸收-0.96±0.02PgC yr$^{-1}$，占据总吸收量的70\%，由冰区和亚极地生物群落组成的高纬度区域约吸收了0.35±0.03PgCyr$^{-1}$；且南大洋每年吸收量约以0.016PgC的趋势在增长。
+通过计算二氧化碳通量，我们能够量化分析南大洋地区的碳吸收能力变化，
+我们的结果表明南大洋在研究区间内能够吸收±1.37±0.04PgC yr$^{-1}$，
+而低纬度的南大洋地区能够吸收-0.96±0.02PgC yr$^{-1}$，占据总吸收量的70\%，由冰区和亚极地生物群落组成的高纬度区域约吸收了0.35±0.03PgCyr$^{-1}$；且南大洋每年吸收量约以0.016PgC的趋势在增长。
 
-（3）多数回归反演产品低估了南大洋的吸碳量
+（3）多数回归反演产品低估了南大洋高纬度的吸碳量
 
-多年来，众多学者基于回归方法来反演海表$p\mathrm{CO_2}$，且取得了一些进展，他们在南大洋冬季或是使用低值或气候态叶绿素替代，或是忽略叶绿素的作用，这些做法对结果都产生了一些影响，我们选择了几种代表性的产品进行了对比，发现各种产品在冬季高纬度区域的差异较大，多数产品存在着低估生活过程的吸收作用，从而导致了高估$p\mathrm{CO_2}$，进而认为冬季南大洋区域的放碳现象。
+多年来，众多学者基于回归方法来反演海表$p\mathrm{CO_2}$，且取得了一些进展，他们在南大洋冬季或是使用低值或气候态叶绿素替代，
+或是忽略叶绿素的作用，这些做法对结果都产生了一些影响，我们选择了几种代表性的产品进行了对比，
+发现各种产品在冬季高纬度区域的差异较大，多数产品存在着低估生活过程的吸收作用，从而导致了高估$p\mathrm{CO_2}$，
+进而认为冬季南大洋区域的放碳现象。
 
 \section{本研究的主要创新点}
-（1）融合主动遥感数据研究
-该研究是通过集成主动遥感数据来进行的。这种研究方法的巨大价值在于，它通过将来自主动遥感的数据融合为模型中生物作用的学习变量，可以有效地解决极地地区被动遥感数据缺失的问题。相比于当前存在的且拥有连续时空分布的$p\mathrm{CO_2}$产品，这种方法能够提供更为准确和详细的信息。主动遥感卫星在冬季高纬度地区提供的是实测的遥感数据，这为我们进一步理解南大洋冬季碳汇变化趋势提供了极其重要的帮助。
+（1）融合主动遥感数据研究填补了数据空缺并且进一步提升分辨率
+该研究是通过集成主动遥感激光雷达数据来进行的，这种研究方法的巨大价值在于，
+通过将来自主动遥感的$b_{bp}$数据融合为模型中生物作用的学习变量，可以有效地解决极地地区被动遥感数据缺失的问题。
+相比于当前存在的且拥有连续时空分布的$p\mathrm{CO_2}$产品，这种方法能够提供更为准确和详细的信息。
+主动遥感卫星在冬季高纬度地区提供的是实测的遥感数据，这为我们进一步理解南大洋冬季碳汇变化趋势提供了极其重要的帮助。
+
+相较于其他回归方法的产品而言，基于CALIPSO激光雷达卫星的$b_{bp}$数据我们进一步提升了空间分辨率，
+使得我们能够更为清晰地看到南大洋的时空变化趋势，为南大洋的冬季碳循环变化进一步研究提供了宝贵的数据支持。
 
-（2）空间分辨率进一步提升
 
-相较于其他的产品，我们的研究有着更为显著空间分辨优势。我们根据bbp数据进行了精细的分辨率调整，使得我们最后得到的$p\mathrm{CO_2}$产品数据分辨率得到了进一步的提升。这使得我们能够更为清晰地看到南大洋的时空变化趋势，为我们的进一步研究提供了宝贵的数据支持。
+（2）基于$b_{bp}$数据的反演结果进一步证实多数产品在高纬度地区低估了碳汇
+目前在建模过程中使用低值替代策略或是忽略叶绿素策略的产品，均显示冬季为强碳汇，而基于$b_{bp}$数据的反演结果显示为碳源，而目前基于飞机实测数据显示冬季南大洋高纬度地区应该为碳收支平衡地区，我们的结果进一步证实了这一点。
 
 \section{本研究的不足与展望}
-在本研究中，我们利用主动遥感数据和XGBoost算法建立了一个精度高、准确性强的南大洋海表$p\mathrm{CO_2}$反演模型。尽管该模型在算法对比和验证中显示出比以往的海表$p\mathrm{CO_2}$研究有显著改善，提供了南大洋地区碳吸收能力增加的定量证据，但仍存在一些不足和进一步研究的空间：
+在本研究中，我们利用主动遥感数据$b_{bp}$和XGBoost算法建立了一个精度高、准确性强的南大洋海表$p\mathrm{CO_2}$反演模型。
+尽管该模型在算法对比和验证中显示出比以往的海表$p\mathrm{CO_2}$研究有显著改善，提供了南大洋地区碳吸收能力增加的定量证据，
+但仍存在一些不足和进一步研究的空间：
 
 （1）主动遥感数据的利用有限
 
-本文试图将主动遥感数据应用于极地区域，但由于主动遥感本身的成像过程，其数量和分布仍具有局限性，例如成像数量、测量观测范围等。此外，由于CALIOPSO卫星的绕地时间较短，其能够测量到白天和夜晚的数据，而本研究未考虑到昼夜差异，以及海洋昼夜碳汇量的差异，这可能是未来研究的方向。同时，CALIOPSO卫星自2006年发射以来，时间跨度较小，随着运行时间的增加和测量数据的积累，其数据的应用将会越来越广泛。
+本文试图将主动遥感数据应用于极地区域，但由于主动遥感本身的成像过程，其数量和分布仍具有局限性，
+例如成像数量、监测时间跨度等。此外，由于CALIOPSO卫星的绕地时间较短，其能够测量到白天和夜晚的数据，
+而本研究未考虑到昼夜差异，以及海洋昼夜碳汇量的差异，这可能是未来研究的方向。
+同时，CALIOPSO卫星自2006年发射以来，时间跨度较小，目前仅基于2008-2016年的数据进行建模反演，随着运行时间的增加和测量数据的积累，其数据的应用将会越来越广泛。
 
 （2）遥感数据精度可以进一步提升
 
-本研究的数据匹配是以月平均数据进行的，反演计算得到的$p\mathrm{CO_2}$时空分辨率为每月0.25°。虽然这在一定程度上保证了数据的充足，但考虑到时间跨度较大，遥感数据和实测数据之间可能存在误差。未来可以通过更精确的遥感产品进行建模，以显著提高模型的精度。
+本研究的数据匹配是以月平均数据进行的，反演计算得到的$p\mathrm{CO_2}$时空分辨率为每月0.25°。
+虽然这在一定程度上保证了数据的充足，但考虑到时间跨度较大，遥感数据和实测数据之间可能存在误差。
+未来可以通过更高分辨率的遥感产品进行建模，以显著提高模型的精度。
 
 （3）实测数据有限
 
diff --git "a/body/\344\270\273\344\275\223\345\206\205\345\256\271/9\346\250\241\346\235\277\345\206\205\345\256\271.tex" "b/body/\344\270\273\344\275\223\345\206\205\345\256\271/9\346\250\241\346\235\277\345\206\205\345\256\271.tex"
index 80c72bf1..96795a51 100644
--- "a/body/\344\270\273\344\275\223\345\206\205\345\256\271/9\346\250\241\346\235\277\345\206\205\345\256\271.tex"
+++ "b/body/\344\270\273\344\275\223\345\206\205\345\256\271/9\346\250\241\346\235\277\345\206\205\345\256\271.tex"
@@ -1,104 +1,104 @@
-本模板根据浙江大学研究生院编写的《浙江大学研究生学位论文编写规则》~\cite{zjugradthesisrules}，
-在原有的 zjuthesis 模板~\cite{zjuthesis}基础上开发而来。
-
-本模板的本科生版本\cite{zjuthesisrules}得到了浙江大学本科生院老师的支持与审核，
-已经在本科生院网上公示。
-但当前的研究生版本并未经过研究生院老师的审核，
-同学们使用时要注意对照模板与要求，
-切不可盲目使用。
-
-作者本人并未编写过浙江大学研究生毕业论文，
-所以不清楚具体要求。
-如果有热心同学愿意帮忙，
-可以替我联系相关老师，我会配合审核并修改代码。
-
-\section{Overleaf 使用注意事项}
-
-如果你在Overleaf上编译本模板，请注意如下事项：
-
-\begin{itemize}
-    \item 删除根目录的 ``.latexmkrc'' 文件，否则编译失败且不报任何错误
-    \item 字体有版权所以本模板不能附带字体，请务必手动上传字体文件，并在各个专业模板下手动指定字体。
-        具体方法参照 GitHub 主页的说明。
-    \item 当前的Overleaf默认使用TexLive 2017进行编译，但一些伪粗体复制乱码的问题需要TexLive 2019版本来解决。
-        所以各位同学可以在Overleaf上编写论文时务必切换到TexLive 2019或更新版本来编译，以免产生查重相关问题。
-        具体说明参照 GitHub 主页。
-\end{itemize}
-
-
-\section{节标题}
-
-我们可以用includegraphics来插入现有的jpg等格式的图片，
-如\autoref{fig:zju-logo}所示。
-
-\begin{figure}[htbp]
-    \centering
-    \includegraphics[width=.3\linewidth]{logo/zju}
-    \bicaption{浙江大学LOGO}{this is a zju logo.}
-    \label{fig:zju-logo}
-    % \caption[zh]{这是一个带有中文标题的图片示例} % 中文标题
-    % \caption[en]{This is an example image with an English caption} % 英文标题
-\end{figure}
-
-
-\subsection{小节标题}
-
-
-\par 如\autoref{tab:sample}所示，这是一张自动调节列宽的表格。
-
-\begin{table}[htbp]
-    \caption{\label{tab:sample}自动调节列宽的表格}
-    \begin{tabularx}{\linewidth}{c|X<{\centering}}
-        \hline
-        第一列 & 第二列 \\ \hline
-        xxx & xxx \\ \hline
-        xxx & xxx \\ \hline
-        xxx & xxx \\ \hline
-    \end{tabularx}
-\end{table}
-
-
-\par 如\autoref{equ:sample}，这是一个公式
-
-\begin{equation}
-    \label{equ:sample}
-    A=\overbrace{(a+b+c)+\underbrace{i(d+e+f)}_{\text{虚数}}}^{\text{复数}}
-\end{equation}
-
-\chapter{另一章}
-
-
-\begin{figure}[htbp]
-    \centering
-    \includegraphics[width=.3\linewidth]{图1-流程图}
-    \caption{\label{fig:fig-placeholder}图片占位符}
-\end{figure}
-
-\chapter{再一章}
-
-\par 如\autoref{alg:sample}，这是一个算法
-
-\begin{algorithm}[H]
-    \begin{algorithmic} % enter the algorithmic environment
-        \REQUIRE $n \geq 0 \vee x \neq 0$
-        \ENSURE $y = x^n$
-        \STATE $y \Leftarrow 1$
-        \IF{$n < 0$}
-            \STATE $X \Leftarrow 1 / x$
-            \STATE $N \Leftarrow -n$
-        \ELSE
-            \STATE $X \Leftarrow x$
-            \STATE $N \Leftarrow n$
-        \ENDIF
-        \WHILE{$N \neq 0$}
-            \IF{$N$ is even}
-                \STATE $X \Leftarrow X \times X$
-                \STATE $N \Leftarrow N / 2$
-            \ELSE[$N$ is odd]
-                \STATE $y \Leftarrow y \times X$
-                \STATE $N \Leftarrow N - 1$
-            \ENDIF
-        \ENDWHILE
-    \end{algorithmic}
-    \caption{\label{alg:sample}算法样例}
-\end{algorithm}
\ No newline at end of file
+% 本模板根据浙江大学研究生院编写的《浙江大学研究生学位论文编写规则》~\cite{zjugradthesisrules}，
+% 在原有的 zjuthesis 模板~\cite{zjuthesis}基础上开发而来。
+
+% 本模板的本科生版本\cite{zjuthesisrules}得到了浙江大学本科生院老师的支持与审核，
+% 已经在本科生院网上公示。
+% 但当前的研究生版本并未经过研究生院老师的审核，
+% 同学们使用时要注意对照模板与要求，
+% 切不可盲目使用。
+
+% 作者本人并未编写过浙江大学研究生毕业论文，
+% 所以不清楚具体要求。
+% 如果有热心同学愿意帮忙，
+% 可以替我联系相关老师，我会配合审核并修改代码。
+
+% \section{Overleaf 使用注意事项}
+
+% 如果你在Overleaf上编译本模板，请注意如下事项：
+
+% \begin{itemize}
+%     \item 删除根目录的 ``.latexmkrc'' 文件，否则编译失败且不报任何错误
+%     \item 字体有版权所以本模板不能附带字体，请务必手动上传字体文件，并在各个专业模板下手动指定字体。
+%         具体方法参照 GitHub 主页的说明。
+%     \item 当前的Overleaf默认使用TexLive 2017进行编译，但一些伪粗体复制乱码的问题需要TexLive 2019版本来解决。
+%         所以各位同学可以在Overleaf上编写论文时务必切换到TexLive 2019或更新版本来编译，以免产生查重相关问题。
+%         具体说明参照 GitHub 主页。
+% \end{itemize}
+
+
+% \section{节标题}
+
+% 我们可以用includegraphics来插入现有的jpg等格式的图片，
+% 如\autoref{fig:zju-logo}所示。
+
+% \begin{figure}[htbp]
+%     \centering
+%     \includegraphics[width=.3\linewidth]{logo/zju}
+%     \bicaption{浙江大学LOGO}{this is a zju logo.}
+%     \label{fig:zju-logo}
+%     % \caption[zh]{这是一个带有中文标题的图片示例} % 中文标题
+%     % \caption[en]{This is an example image with an English caption} % 英文标题
+% \end{figure}
+
+
+% \subsection{小节标题}
+
+
+% \par 如\autoref{tab:sample}所示，这是一张自动调节列宽的表格。
+
+% \begin{table}[htbp]
+%     \caption{\label{tab:sample}自动调节列宽的表格}
+%     \begin{tabularx}{\linewidth}{c|X<{\centering}}
+%         \hline
+%         第一列 & 第二列 \\ \hline
+%         xxx & xxx \\ \hline
+%         xxx & xxx \\ \hline
+%         xxx & xxx \\ \hline
+%     \end{tabularx}
+% \end{table}
+
+
+% \par 如\autoref{equ:sample}，这是一个公式
+
+% \begin{equation}
+%     \label{equ:sample}
+%     A=\overbrace{(a+b+c)+\underbrace{i(d+e+f)}_{\text{虚数}}}^{\text{复数}}
+% \end{equation}
+
+% \chapter{另一章}
+
+
+% \begin{figure}[htbp]
+%     \centering
+%     \includegraphics[width=.3\linewidth]{图1-流程图}
+%     \caption{\label{fig:fig-placeholder}图片占位符}
+% \end{figure}
+
+% \chapter{再一章}
+
+% \par 如\autoref{alg:sample}，这是一个算法
+
+% \begin{algorithm}[H]
+%     \begin{algorithmic} % enter the algorithmic environment
+%         \REQUIRE $n \geq 0 \vee x \neq 0$
+%         \ENSURE $y = x^n$
+%         \STATE $y \Leftarrow 1$
+%         \IF{$n < 0$}
+%             \STATE $X \Leftarrow 1 / x$
+%             \STATE $N \Leftarrow -n$
+%         \ELSE
+%             \STATE $X \Leftarrow x$
+%             \STATE $N \Leftarrow n$
+%         \ENDIF
+%         \WHILE{$N \neq 0$}
+%             \IF{$N$ is even}
+%                 \STATE $X \Leftarrow X \times X$
+%                 \STATE $N \Leftarrow N / 2$
+%             \ELSE[$N$ is odd]
+%                 \STATE $y \Leftarrow y \times X$
+%                 \STATE $N \Leftarrow N - 1$
+%             \ENDIF
+%         \ENDWHILE
+%     \end{algorithmic}
+%     \caption{\label{alg:sample}算法样例}
+% \end{algorithm}
\ No newline at end of file
diff --git a/config/format/general/layout.tex b/config/format/general/layout.tex
index efc95c4c..e57e5da2 100644
--- a/config/format/general/layout.tex
+++ b/config/format/general/layout.tex
@@ -63,14 +63,15 @@
     }
     \fancypagestyle{previous}
     {
-        \fancyhead{}
+        % \fancyhead{}
+        \commonhead{} 
         \fancyfoot{}
         \ifthenelse{\equal{\TwoSide}{true}}{
             \fancyfoot[OR,EL]{\zihao{-5} \songti \thepage}
         }{
             \fancyfoot[C]{\zihao{-5} \songti \thepage}            
         }
-        \renewcommand{\headrulewidth}{0pt}
+        % \renewcommand{\headrulewidth}{0pt}
     }
 }
 
diff --git a/config/format/major/cs/heading.tex b/config/format/major/cs/heading.tex
index 5866671a..56481c7b 100644
--- a/config/format/major/cs/heading.tex
+++ b/config/format/major/cs/heading.tex
@@ -57,9 +57,9 @@
             \chapter*{#1}
         }
 
-        \renewcommand{\contentsname}    {目录}
-        \renewcommand{\listfigurename}  {图目录}
-        \renewcommand{\listtablename}   {表目录}
+        \renewcommand{\contentsname}    {目次}
+        \renewcommand{\listfigurename}  {图目次}
+        \renewcommand{\listtablename}   {表目次}
     }
     {}
 }
diff --git a/zjuthesis.tex b/zjuthesis.tex
index 9b340c1a..6ac3d903 100644
--- a/zjuthesis.tex
+++ b/zjuthesis.tex
@@ -16,7 +16,7 @@
     Degree          = graduate,   % 'undergraduate' or 'graduate'
     Type            = thesis,          % 'thesis'   or 'design'
     Period          = final,           % 'proposal' or 'paper' or 'final'
-    BlindReview     = false,           % 'false'    or 'true'
+    BlindReview     = true,           % 'false'    or 'true'
     Language        = chinese,         % 'chinese'  or 'english'
     % Graduate Thesis Info
     GradLevel       = master,          % 'master' or 'doctor'