RFE2.0遥感降水数据在新疆的适用性评价

结合新疆的65个气象观测站日降水数据,采用连续验证统计方法、分类验证统计方法对RFE2.0遥感降水数据在新疆的适用性进行了评估。结果表明：（1）通过连续验证统计分析,新疆地区平均偏差MBE （Mean Bias Error）总体对日降水量高估,均值为0.4 mm,在0.5 mm内的站点超过70%。RFE2.0遥感降水数据与地面观测站的日降水量之间相关系数R的平均值为0.4,表现为较低的相关性。从偏离真实值情况来说,东疆模拟值和观测值最接近。（2）分类验证统计方法对降水事件FBI （Frequency Bias Index）有所高估。按片区来说,降水事件高估的小值区主要在北疆,高估程度低于全疆平均水平。北疆的正确率POD （Probability of Detection）大于南疆、东疆,同时北疆发生空报率FAR （False Alarm Rate）的可能性也小于南疆、东疆。（3）通过实例验证了RFE2.0在北疆、南疆、东疆的可靠性。以上规律可为RFE2.0在新疆的应用提供科学依据。     

海口市空气污染特征分析及预报检验

利用海南省二次开发的CAPPS2.0模式,对2006年1月1日~2007年1月1日海口市逐日PM10、SO2、NO2污染浓度监测资料进行输出分析,得出海口市空气污染的变化特征。结果表明,污染物SO2和NO2的预报效果较好,而PM10预报效果较差。因此采用多元线性回归分析方法建立污染物浓度与气象要素的预报方程,并对PM10进行优化和校正,从而提高预报准确率。     

基于可量测实景影像的空间信息服务

讨论了面向第三代Internet和Web2．0模式下的空间信息服务需求，提出了空间信息服务的数字地球影像体系，并给出了一种可量测实景影像数据获取、组织管理以及与4D产品集成的技术途径。首次提出了可量测实景影像空间信息服务体系，对基于可量测实景影像的空间信息服务的前景进行了展望。     

BCC_CSM气候模式对风暴轴的模拟能力评估

本文利用NCEP/NCAR再分析资料从不同角度评估了BCC_CSM气候模式对风暴轴的模拟能力。对于气候态的模拟,BCC_CSM气候模式可以准确地模拟出各季节风暴轴主体的强度与位置。对于时空分布的年际变化的模拟,BCC_CSM模拟的冬季风暴轴EOF分解的第一与第二模态特征向量场同NCEP再分析资料对应的特征向量场结构类似,前两个模态分别为全区一致及南北反向型,第三模态则有所不同。对于年内逐月的风暴轴强度和纬度指数变化,BCC_CSM有着较好的模拟效果,可以模拟出太平洋风暴轴独有的“深冬抑制”现象,但对经度指数变化的模拟则与再分析资料有着较大差异。对于风暴轴向极移动情况的模拟,太平洋地区的模拟结果没有表现出向极移动,而大西洋地区则模拟出1970年以后风暴轴位置向极地偏移的趋势。     

区域气候模式与陆面模式的耦合及其对东亚气候模拟的影响

将大气—植被相互作用模式AVIM（Atmosphere-Vegetation Interaction Model）与区域环境系统集成模式 RIEMS2.0（Regional Integrated Environment Modeling System Version 2.0）耦合,利用耦合后的AVIM-RIEMS2.0模式在东亚区域选定典型年份进行积分试验,通过模拟结果与观测资料对比分析,从整体上评估耦合模式对东亚区域的模拟能力。结果表明:模式能够较好地模拟850 hPa风场、500 hPa位势高度、气温、降水以及地表热通量空间分布型和季节变化。双向耦合具有动态植被过程的AVIM模式后,RIEMS2.0模拟能力有一定程度的提高。850 hPa风场在冬季的中国东北、华北地区以及夏季的中国东部地区,模拟偏差都减小;500 hPa高度场模拟在中国北方地区改进明显,而在中国南方地区的夏季并没表现出明显的改进趋势。耦合模式改进了RIEMS2.0模式冬季气温模拟偏低而夏季偏高的现象。从区域平均看,耦合模式改善了降水模拟偏多的现象,并使得潜热通量的模拟效果有明显的改进,对感热通量模拟在大部分地区也有改进。总的来看,AVIM-RIEMS2.0耦合模式对中国北方地区模拟改进较为明显,而对中国南方地区,特别是华南地区没有明显的改进。     

Web 2.0环境下测绘实践个性化平台的构建

随着教育信息化的快速发展,网络个性化学习越来越普遍。提升大学生的网络学习能力成为一个重要的研究课题。本文结合Web 2.0技术的特点和优势,以学生学习的个性化、自主性为基础,以测绘专业实践教学改革为依托,探讨了利用Web 2.0技术进行个性化学习测绘实践教学平台建设的意义、可行性和技术路线。     

BCC_CSM1.1m模式对福建前汛期降水预测的误差订正

采用1991—2017年BCC_CSM1.1m季节预测模式的月降水预测数据及福建省前汛期（4—6月）66个国家气象站降水资料,利用距平相关系数(ACC)、时间相关系数(TCC)、平均方差技巧评分(MSSS)和趋势异常综合评分(Ps)等评估方法,检验评估了提前0、1、2和5个月模式对福建省前汛期降水的预测能力。采用系统偏差、一元线性回归和EOF-相似误差（EOFL和EOFNL）等4种统计方法对回报结果进行订正,并进行效果检验。BCC_CSM1.1m在不同起报时间对福建省前汛期降水的预测均能抓住降水的前两个主模态：全省一致和南北反向分布的空间特征,但预测的气候平均值较实况存在负偏差。模式在不同起报时间对前汛期降水预测的TCC高技巧区主要位于福建省北部,ACC技巧和Ps评分存在比较大的年际差异,负系统偏差的存在使得MSSS技巧不高。经订正后,模式的预测能力得到明显提升。系统偏差、线性回归、EOF相似误差线性和非线性订正方法提前2个月起报的2011—2017年平均Ps评分分别提高5.9、3.5、6.7和7.8分;不同起报时间线性回归订正的2011—2017年平均ACC技巧分别提高0.02、0.21、0.12和0.11;上述4种方法订正的MSSS评分均有了显著提高,其中系统偏差和线性回归订正后达正技巧。综合而言,线性回归订正较其他3种订正方法表现出更为稳定的订正技巧。     

Galileo系统卫星可见性和DOP值分析

伽利略系统是欧洲自主的、独立的全球多模式卫星定位导航系统,其可提供高精度、高可靠性的定位服务,同时可实现完全非军方控制、管理。文中利用GSSF V2.0软件模拟出Galileo系统的全球范围的卫星可见性、GDOP、TDOP、PDOP、HDOP、VDOP值,并对其进行了分析。     

Improving long-lead seasonal forecasts of precipitation over Southern China based on statistical downscaling using BCC_CSM1.1m

Long-lead precipitation forecasts for 1–4 seasons ahead are usually difficult in dynamical climate models due to the model deficiencies and the limited persistence of initial signals. But, these forecasts could be empirically improved by statistical approaches. In this study, to improve the seasonal precipitation forecast over the southern China (SC), the statistical downscaling (SD) models are built by using the predictors of atmospheric circulation and sea surface temperature (SST) simulated by the Beijing Climate Center Climate System Model version 1.1 m (BCC_CSM1.1 m). The different predictors involved in each SD model is selected based on both its close relationship with the target seasonal precipitation and its reasonable prediction skill in the BCC_CSM1.1 m. Cross and independent validations show the superior performance of the SD models, relative to the BCC_CSM1.1 m. The temporal correlation coefficient of SD models could reach > 0.4, exceeding the 95 % confidence level. The SC precipitation index can be much better forecasted by the SD models than by the BCC_CSM1.1 m in terms of the interannual variability. In addition, the errors of the precipitation forecast in all four seasons are significantly reduced over most of SC in the SD models. For the 2015/2016 strong El Niño event, the SD models outperform the dynamical BCC_CSM1.1 m model on the spatial and regional-average precipitation anomalies, mostly due to the effective SST predictor in the SD models and the weak response of the SC precipitation to El Niño-related SST anomalies in the BCC_CSM1.1 m.     

BCC_CSM1．1全球模式中极端气温变化的归因分析

利用1°×1°的ERA-Interim再分析资料和气候系统模式BCC_CSM1．1历史模拟（Historical）试验及气候归因试验（只考虑温室气体变化Historica1GHG试验和只考虑自然强迫变化的Historica1Nat试验）的结果,考查了BCC_CSM1．1模式对中国和全球陆地地区极端气温指数的模拟能力,并在此基础上分析了温室气体和自然强迫这两种外强迫的变化对极端气温变化的贡献。结果表明：BCC_CSM1．1可以对中国乃至全球陆地区域极端气温指数的气候态及其变化趋势进行合理模拟,主要偏差表现为模式对极端低温指数模拟值偏低,而对极端高温指数模拟值偏高。对于20世纪末极端气温指数的变化,只有考虑了温室气体变化的外强迫时,模式可以再现再分析资料中极端气温的变化趋势。这表明温室气体的变化对极端气温的变化有着关键性的影响。