基于AHP-PSR模型的西南丘陵地区 农用地集约利用动态评价

针对西南丘陵地区农用地利用效率低、耕地质量锐减、人地关系逐步恶化等问题构建了基于AHP-PSR模型的西南丘陵地区农用地集约利用评价系统。采用专家打分法进行指标筛选后,基于AHP-PSR模型进行农用地集约利用动态评价,对系统内部协调及稳定性进行分析、评估,较深入地研究农用地集约利用驱动因子,并采用最优子集选取策略分析集约利用驱动力,以避免仅以简单相关性就加入或剔除驱动力因素导致回归系数不符合实际内涵的现象。实验表明:可利用系统调整指标间权重,动态展示人地关系协调可持续发展关系,其分析结果可供有关部门决策参考。     

时间尺度重构EEMD-GRNN改进模型预测PM2.5的研究

合理构建PM_2.5浓度预测模型是科学、准确地预测PM_2.5浓度变化的关键。传统PM_2.5预测EEMD-GRNN模型具有较好的预测精度,但是存在过于关注研究数据本身而忽略其物理意义的不足。本研究基于南京市2014-2017年PM_2.5浓度时间序列数据,分析PM_2.5浓度多尺度变化特征及其对气象因子和大气污染因子的尺度响应,基于时间尺度重构进行EEMD-GRNN模型的改进与实证研究。南京市样本数据PM_2.5浓度变化表现为明显的天际尺度和月际尺度,从重构尺度（天际、月际）构建GRNN模型更具有现实意义;同时,PM_2.5对PM₁₀、NO₂、O₃、RH、MinT等因子存在多尺度响应效应,以其作为GRNN模型中的输入变量更具有时间序列上的解释意义。改进后的EEMD-GRNN模型具有更高的PM_2.5浓度预测精度,MAE、MAPE、RMSE和R²分别为6.17、18.41%、8.32和0.95,而传统EEMD-GRNN模型的模型有效性检验结果分别为8.37、27.56%、11.56、0.91。对于高浓度天（PM_2.5浓度大于100 μg/m³）的预测,改进模型更是全面优于传统EEMD-GRNN模型,MAPE为12.02%,相较于传统模型提高了9.03%。     

Ekman模型时间变化风应力系数的伴随参数估计

本文基于时间分布参数设置,利用伴随同化方法,反演了Ekman模型中随时间变化的风应力拖曳系数,并在孪生实验和实际实验中对该方法进行了验证。在孪生实验中,研究了参数反演结果对不同影响因素的响应,包括:风速分布、风应力系数分布、风应力系数初始猜测值、风应力系数独立变量个数、观测数据误差和观测的深度。孪生实验结果验证了伴随同化方法反演Ekman模型中时变风应力系数的有效性,具体包括如下五个方面结论:1)不同风速分布下均能成功反演出不同风应力拖曳系数分布; 2)反演结果对初始猜测值较为敏感,风应力系数初始猜测值越接近给定值,反演结果越好;3)风应力系数独立点个数的选取会显著影响反演结果,合理的选择有利于提高反演效率及减小观测数据误差;4)观测误差能够影响反演结果,观测数据误差在20%以下时能取得合理的反演结果; 5)反演结果对观测数据的表层和次表层流速更为敏感,这是由Ekman流的物理性质决定的。实际实验,利用百慕大锚系试验平台的风速和流速数据,去除周期性潮流和地转流成分后得到Ekman流成分,并作为观测输入到该同化模型,反演出了适用于该区域和该时段的随时间变化的风应力系数。通过比较模拟流速和观测流速,证明利用伴随同化方法能从实测数据中反演出合理的时变风应力系数,对于海洋模型风应力系数的确定是一项有益的尝试。     

基于EEMD和ARIMA的海温预测模型研究

类型丰富、时空分辨率高的海洋探测数据,为信号分解和机器学习算法的应用提供了可能。本文针对如何建立有效的海温预测模型这一问题,使用高时空分辨率的海表温度(SST)融合产品,引入信号处理领域的集合经验模态分解(EEMD)和机器学习领域的自回归积分滑动平均模型(ARIMA)。首先利用最适于分解自然信号的EEMD方法,将海温数据分解成多个确定频率的序列;再利用ARIMA分别对各个频率的序列进行预测,最后将各个序列的预测结果进行组合。该方法在丰富数据的支撑下,比以往直接使用海温数据所建立的预测模型精度更高,为更好地进行海温预测提供了新方法。     

黑潮流域海温适应性观测敏感区诊断方法研究

敏感区诊断是适应性观测的关键问题,集合变换卡尔曼方法(EnsembleTransformKalmanFilter,ETKF)是目前主要的诊断方法之一。将集合变换卡尔曼方法应用于海洋环境适应性观测,根据ROMS海洋模式数据构建海表温度集合预报,以黑潮流域宫古海峡附近海域为验证区进行敏感区诊断计算,分析不同间隔时间条件下敏感区分布情况,结合模拟系统观测试验验证在敏感区进行适应性观测对预报质量的提升效果。结果表明,在诊断所得敏感区内添加观测能够提升预报质量;随时间间隔增大,敏感区向上游区域平移且预报质量提升效果减小;与在验证区整体添加观测相比,敏感区观测对预报质量提升效果基本相同并且观测成本明显减少。     

基于ANUSPLIN的京津冀区域逐日气温格点数据集建立方法研究

为建立一个高精度、高空间分辨率的逐日气温格点数据集,满足公共气象服务对于精确信息及实时信息的需要,利用2018年6—8月京津冀区域以及临近省区共3 974个国家级及区域气象观测站质控后的逐日气温资料,采用ANUSPLIN软件对逐日气温数据进行空间内插,得到了京津冀区域逐日气温格点数据集(0.01°×0.01°),并分别利用反距离权重插值法、普通克里金插值法、样条函数法对逐日气温数据进行空间插值,采用相关系数(Corr)、平均绝对误差(MAE)、平均相对误差(MRE)等作为评估指标来检验插值精度。结果表明:1) ANUSPLIN软件满足了空间插值对精度及曲面平滑度的要求,能直观体现京津冀区域气温由北向南递增的空间分布特征; 2) 4种插值方法中,基于ANUSPLIN软件的插值结果最优,相关系数平均达0.97,其样本误差在1℃之内占比为90.59%,MAE为0.46℃,MRE为1.81%; 3)插值误差较大的区域位于冀北高原、燕山丘陵及太行山脉一带,高海拔、低站点密度等是造成插值误差的主要原因。基于ANUSPLIN插值方法建立的逐日气温格点数据集具有分辨率高、空间插值误差小的优势,ANUSPLIN对气温的空间分布具有较好的预测能力。     

公共服务电子地图瓦片分类插值重建方法研究

针对高分屏上公共服务电子地图显示出现注记模糊、线划锯齿化等问题,该文提出了一种面向高分屏的公共服务地图瓦片分类插值超分辨率重建方法。实验结果表明:所提算法不仅可以有效地改善公共服务电子地图瓦片的可视化效果,而且对瓦片访问速度的影响甚小。研究成果在不改变现有地理信息应用系统技术流程和技术架构的基础上,显著提升了公共服务地图瓦片的显示效果,具有很强的应用推广价值。方法将公共服务地图瓦片中的像素分为3类,根据像素特征选择插值方法,增加瓦片文件的像素数量,使其在高分屏上显示时,有更多的采样点,从而获得清晰、稳定的视觉效果,是一种快速、有效的提升公共服务地图瓦片显示效果的方法。     

细网格数值预报产品在精细化预报中的释用

利用齐齐哈尔市十个自动站降水和温度资料对2013年欧洲中心确定性模式高分辨率预报产品、东北半球T639数值产品、日本高分辨率大气模式产品和中央气象台的全国城市预报产品进行系统误差订正基础上,进行基于超级集合思想的多模式动态变权集成预报。结果表明:三种细网格和中央气象台的全国城市预报产品对齐齐哈尔地区的降水预报都存在着较多的空报现象;对四种模式预报进行集成平均,在齐齐哈尔地区预报效果极其有限;动态权重集成预报能够较好地利用各种数值预报的优势,从而得到质量好的定性预报产品。定性降水、最低温度和最高温度的集成预报比任何单一的数值预报成员TS预报评分都要高,尤其是最低温度预报质量得到了很大的提升,给预报员提供了很好的参考工具。     

面向对象的高分辨率影像土地利用信息提取

运用面向对象的分类方法对实验区高分辨率影像进行最优分割尺度的影像分割。首先利用ESP算法确定影像的最佳分割尺度,再运用CART决策树分类对土地利用信息进行提取,并对分类结果进行后处理,进一步提高分类精度。最终分类结果精度达到80.38%。     

不同大尺度强迫条件下考虑初始场与侧边界条件不确定性的对流尺度集合预报试验

研究了不同大尺度强迫条件下的暴雨个例中,考虑不同尺度特征的初始扰动与侧边界扰动相互作用构造对流尺度集合预报的可行性,为进一步构建“自适应”于不同强对流天气的对流尺度集合预报系统提供依据。结果表明,在大尺度强迫显著的个例1中,以大尺度扰动信息为主的动力降尺度的增长趋势较集合转换卡尔曼滤波(ETKF)更为显著,且总扰动能量在预报中后期超过集合转换卡尔曼滤波,而在大尺度强迫较弱的个例2中,集合转换卡尔曼滤波扰动能量始终高于动力降尺度。此外,当大尺度强迫显著时,初始扰动与侧边界扰动相匹配会产生相互促进的作用,而不匹配时初始扰动会在预报中后期抑制侧边界扰动的发展,当大尺度强迫较弱时,即使是互相间不匹配的初始扰动与侧边界扰动也能在大部分预报时段起到相互促进的作用,说明初始扰动与侧边界扰动的相互作用机制不仅与天气形势相关,也与二者是否匹配挂钩,另外,扰动的发展特征同样依赖于天气形势;从集合离散度的角度来看,当大尺度强迫明显时,侧边界扰动的作用会在更短的时间内取代初始扰动,从而对离散度起到主导地位;两种初始扰动方法相比,集合转换卡尔曼滤波在多数情况下对总离散度的贡献均大于动力降尺度;从降水量预报及概率预报情况来看,大尺度强迫明显的个例可预报性更高,且各集合成员间的差异较小,大尺度强迫较弱的个例则相反,且当两种初始扰动方案与侧边界扰动相结合时,较仅侧边界扰动均有一定提高。