利用多普勒天气雷达分析凉山州"5.4～5.10 "区域性雷雨天气过程

利用凉山州气象局多普勒雷达资料,分析了2005年5月4日影响凉山州北部、西部雷暴天气过程的雷达回波强度、多普勒雷达速度特征.结果表明:雷暴云团在生成发展过程中,经历了生成、消散、再生成并不断移动.回波柱状结构清晰,零速度线不明显,谱宽值不高的特征.     

离体培养的虫黄藻(Symbiodinium voratum)对温度和光照的生理响应

虫黄藻是珊瑚礁生态系统中最主要的初级生产者,并在珊瑚礁的建造过程中起着关键作用。为探究虫黄藻对温度和光照的生理响应,本研究以E型虫黄藻（Symbiodinium voratum）为实验对象,通过室内培养,并结合谢尔福德耐受性定律建立了基于温度的虫黄藻生长速率的耐受性模型。结果显示：E型虫黄藻在光强90μE培养下,最适生长温度为22.56℃,适温范围为16.72—28.40℃;温度培养实验中,23℃时,虫黄藻中有机碳（C）、氮（N）积累最多; 27℃时,虫黄藻PSⅡ的原初光能转化效率（F_v/F_m）显著高于其余两个温度组;光照培养实验中,E型虫黄藻在温度23℃培养下,光强的适宜范围为100—200μE;并通过提高细胞内叶绿素a含量和F_v/F_m两种方式应对外界光照不足。     

太行山区遥感卫星反演降雨产品降尺度研究

高时空分辨率降雨数据的获取对陆地水循环研究至关重要。遥感卫星反演降水产品虽然能有效再现降雨的空间格局,但存在空间分辨率较低的问题。以植被指数NDVI(Normalized Difference Vegetation Index)和海拔高度为自变量,通过构建太行山区GPM降水(Global Precipitation Measurement Mission)的时滞地理加权回归模型,得到了2014—2016年研究区1 km分辨率GPM降水数据。研究结果表明：利用植被指数和海拔高度构建的时滞地理加权回归模型能够有效地对太行山月尺度GPM降雨数据进行尺度下延,在提高GPM数据空间分辨率的同时保留了原始数据的观测精度。考虑NDVI的时滞性提高了地理加权回归模型的降尺度效果,相对于多元线性回归模型和不考虑NDVI时滞效应的地理加权回归模型,时滞地理加权回归模型的降尺度结果与站点实测数据的确定性系数更高,RMSE更低。冬季降雨与第二年春季植被NDVI的关系较为密切,虽然采用第二年春季的NDVI作为解释变量构建降尺度模型能有效地提高冬季降雨的降尺度效果,但基于植被指数和海拔高度构建的时滞地理加权回归模型更加适用于植被生长季GPM降雨数据的降尺度研究。     

基于GlobeLand30的番禺区地表覆盖时空变化分析

本文基于全球30 m地表覆盖数据(GlobeLand30),采用地表覆盖转移矩阵、重心迁移方法，分析了番禺区2000—2020年不同地表覆盖类型的相互转化及其空间分布。结果表明：过去20年间，人造地表持续占用耕地、森林和草地，其中耕地最为明显。同时，2010—2020年人造地表扩张速度较2000—2010年更为迅速。从相互转化的空间分布上看，番禺区人造地表在2000—2010年呈点状增加，之后10 a快速蔓延至全区。人造地表和水体的重心向东迁移，耕地的重心转移则逐步西移，呈“一进一退”的趋势。     

结合多路径的高分辨率遥感影像建筑物提取SER-UNet算法

针对深层卷积较难兼顾全局特征与局部特征从而导致提取建筑物边缘不准确和微小建筑物丢失的问题，以注意力机制和跳跃连接为基础提出SER-UNet算法。SER-UNet算法在编码器阶段耦合SE-ResNet和最大池化层，在解码器阶段关联SE-ResNet与反卷积层，通过跳跃连接将编码器提取的浅层特征和解码器提取的深层特征进行融合后输出特征图。验证SER-UNet算法的有效性，在MAP-Net网络并行多路径特征提取阶段使用SER-UNet算法替换原网络中的特征提取结构，分别在WHU数据集和Inria数据集上进行评估，IoU与精度分别达91.46%、82.61%和95.67%、92.75%,对比UNet、PSPNet、ResNet101、MAP-Net网络，IoU分别提高0.49%、0.14%、1.89%、1.57%,精度分别提高0.14%、1.06%、2.42%、1.09%。分析SER-UNet算法的泛化能力，将级联SER-UNet的MAP-Net网络在AerialImage数据集上进行提取验证，IoU与精度分别达85.32%和94.13%。结果表明，结合SER-UNet算法的MAP-Net并行...