C波段双基地气象雷达三维变分风场反演系统

中国气象科学研究院灾害性天气研究所与安徽四创电子股份有限公司合作研制的C波段双基地气象雷达系统于2005年1月31日通过由安徽省科技厅组织的技术鉴定。该系统由1个主动雷达和2个被动接收站组成,可直接探测降水系统风场的三维结构,与双多普勒雷达观测系统相比,它具有价格便宜、易维护、不同径向速度资料同时性好等特点。安徽四创电子股     

消除噪声的RNF图像融合算法

在多光谱遥感图像中有时也会存在较严重的随机点噪声的干扰，这种随机点噪声严重影响了地物光谱特征提取和识别的精度，降低了各种遥感定量分析方法技术的有效性。常用的遥感图像随机噪声消除或压抑方法是Fourier变换频率域方法和采用平滑模板对图像进行卷积处理的空间域方法，但它们往往会损失图像信息。文章探讨了消除或压抑噪声的图像融合方法，即RNF融合法。RNF融合算法先对参与融合的多光谱图像进行低通滤波，对全色波段进行高通滤波。然后将滤波后的全色波段与多光谱图像用HSI变换法进行融合，融合后的图像消除了噪声。     

国家气象中心新一代业务中期预报模式T213L31的主要特点

T2 1 3中期数值预报系统于 2 0 0 2年 9月 1日起在国家气象中心正式业务化。作为此系统核心的T2 1 3L31全球模式与原业务模式T1 0 6L1 9相比 ,采用了一些新的数值技术 ,包括半拉格朗日时间积分方案的引入 ,采用规约格点 ,分布内存与共享内存并行相结合 ,从而在目前有限的计算机资源条件下 ,能积分高分辨率的模式。更重要的是 ,模式采用了一些更新、具有更真实物理概念的物理过程参数化方案 ,对于辐射方案、次网格尺度地形参数化、积云对流方案、云方案、陆面过程方案都作了很大改进 ,从而克服了许多T1 0 6L1 9模式中存在的问题 ,明显提高了T2 1 3L31模式的预报技巧。     

L1集成测绘系统

美国堪萨斯州的Sokkia股份有限公司推出一种集StatusL1C/A和全载波1 2通道GPS接收机,内装L1天线及电池于一身的集成系统。该系统既可用于诸如边界与区域拐角测量这样的静态测量,也可用于象施工放样、建筑物测绘、大地测绘这样的动态测量。其尺寸为5×6英寸,重量为1 .38磅。这种接收机有一个传递速率高达5 760 0波特率的红外通信链路,并且有一个传递速度高达1 1 5 60 0波特率的电缆通信链路。L1集成测绘系统     

常用卫星遥感影像的介绍和用于制图的分析

介绍了国际上常用的Landsat和SPOT卫星遥感影像的主要参数和背景知识，并对它们应用于各种比例尺地图制图的适宜性进行了分析。     

应用IAP9L-AGCM对2002年中国夏季气候的预测及效果检验

利用中科院大气所9层大气环流格点模式(IAP9L—AGCM)和IAP—ENSO预测系统对2002年中国夏季气候进行实时集合预测及其检验。结果显示，IAP9L—AGCM较好地预测出了2002年夏季我国大范围旱涝的分布形势，如华南、我国西部多雨，黄河和长江流域之间大范围干旱等；850hPa减弱的夏季风、青藏高原辐散中心以及北太平洋上空的异常气旋性环流中心亦被较好地预报出来；不足的是，模式对降水异常细致分布的预测能力有限。预测结果还表明，该模式对夏季(6—8月)平均降水的预报技巧要高于月平均状况，且月平均预报的准确度从6—8月依次递减。     

基于耀斑改正的多光谱水深反演方法研究

利用WorldView-2四波段卫星数据和电子海图数据,基于改进的耀斑改正算法和双波段比值算法,反演获得了3处典型海域的浅水水深。通过不同海域、不同耀斑条件下水深反演实验,探讨了RED,NIR波段在典型四波段水深反演中的作用和影响,发现在双波段比值法水深反演中,引入RED+NIR波段进行耀斑改正处理,可以增加珊瑚、海藻等绿色物质覆盖海底的反射率,有效地提高该类海域的水深反演精度。基于耀斑改正的多光谱水深反演方法,适用于中轻度耀斑条件下,水质较清澈的浅海水深反演,可在国内外典型四波段卫星数据水深反演中推广应用。     

广东省统一深度基准项目的设计研究

根据对广东省现有长期验潮站数量、分布以及水位数据情况的分析,确立了在已有长期验潮站的基础上,采用适当布设短期验潮站的方式,对长期验潮站进行加密补充;建立海区调和常数变化模型,并结合水深数据、卫星测高数据,构建海洋潮汐模型;最终建立深度基准模型的总体设计思路。广东省统一深度基准的建立,可实现深度基准面1985高程模型的构建,相邻测区间水深成果的无缝拼接,沿海水深成果与陆地地形成果的相互转换,GNSS技术下的水深测量(无验潮模式)以及对沿海范围内海岸线和海岛岸线的精确推算。     

结合L0平滑和超像素的高空间遥感影像非监督分类

针对基于像元的非监督分类方法对高空间遥感影像分类时易形成“椒盐”噪声和产生大量错分、漏分的问题,提出了一种结合L0平滑和超像素的非监督分类方法．首先采用L0算法对高空间遥感影像进行平滑操作,减少大量图像噪声及冗余信息;然后采用简单的线性迭代聚类（SLIC）超像素方法处理平滑后图像,进一步抑制椒盐现象的同时降低处理复杂度,得到初始聚类图;最后采用K-means非监督分类方法得到最终分类结果图．为验证本文提出的方法,选取3景高空间遥感影像作为实验数据．试验结果表明,采用提出的方法能准确对地物分类,且总体精度分别达到了72.46％、77.55％和78.44％,Kappa系数分别达到0.788、0.779和0.779．提出方法能有效解决分类中存在的“椒盐”现象,可提高分类精度,对高空间遥感影像分类具有一定的参考价值．      

运用ENVI实现SPOT-5卫星影像的RVI提取

运用ENVI软件处理长沙地区的SPOT-5影像,将全色影像和多波段影像进行融合,分析融合后的影像,再选择感兴趣区域进行影像裁剪;采用ENVI的波段运算(Band3/Band2)提取该地区比值植被指数并进行分析。结果表明:比值植被指数对植被覆盖率较高的区域有非常高的敏感度;在植被覆盖率小于50%的时候,其敏感度明显降低,在绿色植被覆盖区域的比值植被指数远大于1,在裸露地表、建筑物、水体等没有植被覆盖区域的比值植被指数则在1附近,而比值植被指数大于2的则出现在高覆盖健康绿色植被上。