基于Triple-Collocation的地面观测与卫星遥感数据融合的雪深反演

针对单一被动微波遥感反演雪深的精度和空间分辨率不足的问题,提出了一种星-地多源数据融合的雪深反演方法。以北疆每日站点观测雪深、AMSR-E遥感反演雪深和SSM/I遥感反演雪深数据为研究对象,首先利用地统计方法结合地面站点观测数据估计北疆区域的雪深,然后采用Triple-Collocation方法分别估计三个雪深数据的误差方差,最后结合最小二乘原理实现星-地雪深观测数据的融合。对融合雪深与地面雪深观测数据进行验证分析,结果显示,与AMSR-E和SSM/I遥感反演雪深相比,融合的雪深与地面观测雪深的相关性更高;融合的雪深的精度有一定程度的提高。实验结果证明了多源数据融合方法的有效性。     

总体最小二乘方法在华北地区应变参数反演的应用

通过基于总体最小二乘的应变参数反演方法,利用2002年相对稳定的GPS速度场数据,来实现华北地区板块运动应力场的分析。将应变参数反演结果与基于最小二乘方法得到的结果进行对比分析,发现总体最小二乘方法更适合华北地区的板块运动和形变解释。     

中国典型旅游城市人居环境适宜度空间分异研究

运用模糊层次分析法,在中国101个拥有5个3A及以上旅游景区的城市中选取30个城市为研究对象。通过建立人居环境适宜度指标体系,运用熵值法计算得出30个典型旅游城市经济环境适宜度、生态环境适宜度、气候环境适宜度、服务环境适宜度和人居环境适宜度综合得分,并对典型旅游城市的人居环境适宜度进行排序和分析。结果显示:北京和上海在人居环境适宜度得分排名前两位且优势明显;长三角地区城市(苏州、杭州、南京等)人居环境适宜度综合排名与典型旅游城市综合排名差距不大且大部分排名前15,是城市人居环境与旅游资源协调发展的典范;沿海城市(大连、青岛、厦门等)和传统旅游城市(桂林、昆明、黄山)由于旅游季节单一等原因造成城市旅游综合指数得分的排名不高,但人居环境适宜度得分较高,优势主要体现在气候环境适宜度、生态环境适宜度和服务环境适宜度;以人文景观为主的旅游城市(西安、洛阳等)人居环境适宜度排名普遍不高;重庆、广州在典型旅游城市中排名靠前,但城市人居环境适宜度得分较低,此类城市在做好旅游发展的同时应注重城市生态、服务等方面的发展。     

基于Landsat 8劈窗算法与混合光谱分解的城市热岛空间格局分析——以兰州市中心城区为例

在ENVI和GIS支持下,提出了基于Landsat 8遥感影像的地温反演劈窗算法,提取兰州市中心城区地表温度。利用FNEA和混合光谱分解法确定了兰州市中心城区的城市热岛中心、不透水面和植被盖度,分析了城市热岛空间分布格局以及地表温度与下垫面之间的关系。结果显示:基于Landsat 8数据地温反演的劈窗算法是可行的。兰州中心城区的高温区分布较集中,地表温度与植被呈较强的负相关,与不透水面呈不显著的正相关,与其他非光合物质呈正相关。     

2014年6月下旬江西省北部一次低涡暴雨过程的模拟分析

利用NCEP再分析资料,应用WRF模式对2014年6月20—22日江西省北部低涡暴雨过程进行模拟,分析暴雨过程的环流形势、低涡的热力、动力作用和水汽输送特征。结果表明:低层中尺度低涡是此次暴雨过程形成的主要系统,暴雨区位于低涡中心附近和南侧的西南急流出口区,低涡中心上空假相当位温高能舌对应较强降水中心。低涡南侧急流出口区强偏南气流加强,为低涡发展提供了必要的能量和水汽条件,水汽的强辐合中心位于低涡中心的右前方。暴雨过程中整层水汽通量梯度大值区位于低涡东南侧。湿位涡"上正下负"的垂直分布结构有利于强降水的发生,强的负湿位涡度柱与暴雨中心有较好的对应关系。     

GRAPES区域扰动预报模式动力框架设计及检验

设计了适用于四维变分同化系统的扰动预报模式GRAPES_PF。根据GRAPES的地形追随坐标非静力原始方程组,采用小扰动分离方法推导微分形式的线性扰动预报方程组,并利用与GRAPES非线性模式相似的数值求解方案求解线性扰动微分方程组。在设计扰动预报模式时采用了两个时间层半隐式半拉格朗日方案对动量方程、热力学方程、水汽方程和连续方程进行时间差分,空间差分方案的变量分布水平方向采用Arakawa C跳点网格,垂直方向采用Charney/Phillips跳层。利用代数消元法进一步推导得到只包含未来时刻扰动Exner气压的亥姆霍兹方程,进而通过广义共轭余差法（GCR）求解,在此基础上得到未来时刻扰动量的预报值。基于所开发的扰动模式开展了数值试验。首先在非线性模式中施加一个中尺度初始扰动高压,得到初始扰动在非线性模式中的后续演变,然后将相同的初始扰动作为扰动模式的初值进行时间积分,将扰动模式预报的结果与非线性模式的结果做了对比。结果表明,所开发的扰动模式GRAPES_PF较好地模拟了惯性重力内波的传播过程:初始高压扰动激发了一个迅速向外传播的惯性重力内波,在气压场向风场适应的过程中,水平风场、垂直运动、位温和湿度等变量均出现了扰动增量,与非线性模式得到的结果相当接近。GRAPES_PF作为GRAPES非线性模式的合理线性模式为建立基于线性扰动预报的区域四维变分同化系统奠定了科学基础。      

GRAPES_GFS中三维参考大气的研究：参考态构造和实际预报试验

GRAPES_GFS（Global Regional Assimilation and PrEdiction System, Global Forecast System）采用基于等温大气构造的一维参考大气,前期的研究工作已在GRAPES_GFS的动力框架中引入了三维参考大气,并通过一系列理想试验检验了新方法的正确性以及计算精度。本部分研究工作,主要针对实际资料的预报试验,对比分析了不同三维参考态给定方法的优劣,并采用气候平均法,进行夏季两个月的四维变分循环预报试验。检验结果显示,使用三维参考大气后,模式的综合预报性能得到了提升,对流层高度场、温度场的预报偏差有所减小,长期积分过程中模式质量损失较为严重的问题也得到了明显的缓解。另外,通过动能谱的对比也可以看到使用三维参考大气后,模式在高层的能量耗散明显较小,能谱变化与观测更加吻合。      

一次1月山东半岛东部极端海效应暴雪的发生机制分析

利用海上浮标站、自动站、多普勒天气雷达、L波段雷达探空、NCEP/NCAR再分析逐6 h和降水等观测资料,结合EVAP雷达风场反演获得的水平风场资料,对2018年1月9—11日一次渤海海效应暴雪过程的产生机制进行了分析。结果表明:此次海效应暴雪过程是一次极端降雪事件,具有强降雪持续时间长、降雪量大、暴雪分布近γ中尺度等特征。暴雪发生前后受两次强冷空气影响,渤海和山东半岛地区持续降温,850 hPa温度降至-18～-16℃,是产生强海效应降雪的有利条件;此次冷空气明显强于12月渤海海效应暴雪,1月产生海效应暴雪的850 hPa温度中位数较12月低约5℃。受强冷空气影响时,海气温差明显增大,海洋向低层大气输送的最大感热通量可达226.8 W·m~(-2),低层大气高湿饱和,导致大气层结不稳定,不稳定局限于850 hPa以下,为浅层对流。雷达反射率因子图上具有明显的"列车效应"。造成窄带回波的原因在于出现了低层切变线,即在山东半岛北部沿海的小范围区域内出现了东北风及西西南风,形成了西北风与东北风、西西南风与东北风的切变线,触发暴雪产生。而东北风达到的高度不超过1.2 km,多在0.6 km以下。通过此次极端暴雪过程的综合观测资料分析,揭示了较少出现的1月海效应暴雪的特征,其形成的环流形势、热力不稳定、动力条件等与常见的12月海效应暴雪基本类似,主要差异在于冷空气强度较12月偏强,这可成为1月海效应暴雪的首要预报着眼点;海上浮标站、雷达风场反演技术是定量揭示海效应暴雪中尺度特征的良好资料和方法。     

基于环境参数的极端暴雨指数构建及其应用

采用百分位法和1981—2010年30年逐年日降水量资料,设置了河南省极端暴雨阈值和区域极端暴雨标准,据此选取1981—2016年河南省极端暴雨个例13例,使用欧洲中期天气预报中心1°×1°再分析资料(ERA-Interim)对其环境参数进行分析,发现:表征大气水汽、动力及不稳定条件的环境参数,如850 hPa比湿和涡度、700 hPa垂直速度和V风分量,200 hPa散度、整层可降水量、K指数、0～3 km垂直风切变等,在极端暴雨过程中的平均值远远偏离其气候平均值,上述环境参数对极端暴雨预报有指示意义;环境参数的标准差倍数与降雨量具有较好相关性,二者的分位值基本沿y=x的对角线分布,环境参数标准差倍数分位值≥80%时,对异常降水(降水分位≥90%)有明显正相关;而环境参数标准差倍数分位较低时(40%),则更多对应了小量级降水。单一环境参数的异常往往不能体现降水异常程度,基于对极端暴雨有明确指示意义的8个环境参数,组建了极端暴雨指数(ERI),经13例极端暴雨个例回代和预报效果评估,ERI≥0.7时,极端暴雨TS评分达35%,漏报率为27%,空报率为49%,可将其作为极端暴雨预报的参考阈值。2018年"温比亚"台风极端暴雨过程中应用表明,该指数对极端暴雨落区预报有较好参考意义。     

ASCAT反演风场与华南及南海站点观测对比分析

利用2014—2017年华南沿海及南海的浮标站、海岛站、石油平台站、沿海自动站等277个自动站风场数据,与ASCAT反演风场进行了对比分析。结果表明,当观测风速小于5 m/s(大于15 m/s)时,ASCAT反演风速的平均绝对误差在3 m/s左右(存在2级左右的高(低)估);当风速介于5~10 m/s时,平均绝对误差在2 m/s左右(多数ASCAT有1~2级的高估);介于10~15 m/s时,ASCAT反演结果相对最好,风速、风向准确率能够达到60%以上。ASCAT对风速的反演结果受陆地影响较大,与观测风速的相关系数从高到低可分为三类:(1)浮标、平台站;(2)西沙、南沙自动站;(3)广东沿海自动站及海岛站、海南海岛站。ASCAT反演风场在风向的应用较风速更优,其中,东北风样本数最多,其次分别为西南风、东南风和西北风。浮标站、平台站、西沙自动站的风向反演质量相对较好;所有测站风向偏差主要由5 m/s以下的弱风贡献。单站多年月平均风速变化显示,ASCAT反演风速相对测站主要为正偏差,且秋冬季比春夏季偏差更大,这可能与大气稳定度有关。