Predictability of Chinese Summer Extreme Rainfall Based on Arctic Sea Ice and Tropical Sea Surface Temperature

Chinese summer extreme rainfall often brings huge economic losses, so the prediction of summer extreme rainfall is necessary. This study focuses on the predictability of the leading mode of Chinese summer extreme rainfall from empirical orthogonal function(EOF) analysis. The predictors used in this study are Arctic sea ice concentration(ASIC) and regional sea surface temperature(SST) in selected optimal time periods. The most important role that Arctic sea ice(ASI) plays in the appearance of EOF1 may be strengthening the high pressure over North China, thereby preventing water vapor from going north. The contribution of SST is mainly at low latitudes and characterized by a significant cyclone anomaly over South China. The forecast models using predictor ASIC(PA), SST(PS), and the two together(PAS) are established by using data from 1980 to 2004. An independent forecast is made for the last 11 years(2005-2015). The correlation coefficient(COR) skills between the observed and cross-validation reforecast principal components(PC) of the PA, PS, and PAS models are 0.47, 0.66, and 0.76, respectively. These values indicate that SST is a major cause of Chinese summer extreme rainfall during 1980-2004. The COR skill of the PA model during the independent forecast period of 2004-2015 is 0.7, which is significantly higher than those of the PS and PAS models. Thus, the main factor influencing Chinese summer extreme rainfall in recent years has changed from low latitudes to high latitudes. The impact of ASI on Chinese summer extreme rainfall is becoming increasingly significant.     

基于纹理特征的围填海SAR图像分水岭分割方法

本文提出了一种基于纹理特征的围填海SAR图像分水岭分割方法,首先对机载MiniSAR图像进行灰度共生矩阵纹理滤波,获得纹理特征图像,再对纹理特征图像进行分水岭算法分割,将获得的形态学重建图像进行门限阈值分割,得到最后的二值化分割结果。该方法一方面通过调整灰度共生矩阵纹理滤波的窗口大小,抑制了斑点噪声的影响;另一方面,利用分水岭算法对边缘模糊杂乱图像的优势,提高了围填海信息提取的准确性。实验结果表明,本方法对高分辨率SAR图像围填海监测图像的分割效果良好。     

基于SODA资料的南海表层风能输入的空间分布与长期趋势研究

海面风不仅是驱动上层海洋运动的主要动力, 其能量也是维持海洋表层流动的主要机械能来源。为了分析南海表层流风能输入的变化, 用SODA(Simple Ocean Data Assimilation)(1901—2010)资料估算了风向南海表层流(表层地转流+表层非地转流)的能量输入。结果表明, 风向南海表层流、表层地转流和表层非地转流输入的能量总体均呈减少趋势, 110年间分别减小了约56%、65%和49%。导致风能输入减小的最主要因素是风应力的减弱(减小了35%)。由于南海受季风系统的控制, 风向表层流及其各成分输入的能量呈现出显著的季节性变化。冬季风能输入最强, 高值区位于南海西部及北部区域, 呈一个显著的“回力镖”状结构。这些结果对深入认识南海环流具有理论意义。     

烟台市地质灾害发育现状及影响因素分析

2016年山东省开展各市地质灾害排查工作,烟台市作为地质灾害较发育区,是该次排查重点工作区之一。该文以现状调查为基础,查明了烟台市共发育471处地质灾害隐患点,地质灾害规模以小型为主,主要类型为崩塌、滑坡、泥石流、采空塌陷和岩溶塌陷,其中崩塌隐患点占地质灾害总数的68%,数量最多,其次为泥石流和采空塌陷,各占总数的15%和14%,滑坡数量最少,仅占总数的1%,并介绍了各类地质灾害分布特征。在此基础上,对地质灾害的主要影响因素——地形地貌、岩土体类型、地质构造、降水和人类工程活动等进行了分析。最后提出了在进行工程建设活动的同时重视其引发的地质灾害问题,以减少和预防其带来的次生地质灾害。     

基于分布式控制力矩陀螺的水下航行器轨迹跟踪控制

基于控制力矩陀螺群(CMGs)的水下航行器具有低速或零速机动的能力。采用基于分布式CMGs的水下航行器方案,并研究其水平面的轨迹跟踪控制问题。通过全局微分同胚变换将非完全对称的动力学模型解耦成标准欠驱动控制模型,并根据简化的模型构建其轨迹跟踪的误差动力学模型,将轨迹跟踪控制问题转化为误差模型镇定问题。基于一种分流神经元模型和反步法设计了系统的轨迹跟踪控制律,该控制器不需要对任何虚拟控制输入进行求导计算,且能确保跟踪误差的最终一致有界性。仿真结果表明该控制器能够实现在不依赖动力学参数先验知识的情况下对光滑轨迹的有效跟踪。     

河西走廊西段戈壁灌木群落多样性及其分布格局研究

通过野外样方调查河西走廊西段荒漠戈壁典型灌木群落多样性状况，研究探讨了 8 种典型 灌木群落物种多样性的空间分布格局及其与地理因子的关系，对荒漠戈壁植物群落的多样性的保 护和可持续发展具有重要意义。结果表明：(1) 8 个典型灌木群落 Shannon-Wiener 指数、Simpson 指 数、Margalef 指数和 Pielou 指数从高到低为：盐爪爪群落>麻黄群落>合头草群落>红砂群落>梭梭群 落>泡泡刺群落>多枝柽柳群落>沙拐枣群落；波动范围分别为 0.314 ~ 1.355、0.179 ~ 0.666、0.334 ~ 1.222 和 0.051 ~ 0.218，说明荒漠戈壁灌木群落物种多样性指数偏低，群落结构简单，物种组成稀 少。(2) 不同灌木群落内物种数越多，群落间 Jaccard 相似性系数越大。大部分灌木群落类型间 Jac? card 相似性在 0.20 ~ 0.60 之间，群落间相似水平较低，群落相对稳定。(3) 随着海拔的升高，Margalef 指数、Pielou 指数和 Shannon-Wiener 指数均呈先增加后降低的单峰型分布格局，最大值出现在海拔 2 000 m，且与海拔显著相关（P<0.05）；在经度梯度上，从东到西，Margalef 指数、Pielou 指数和 Shan? non-Wiener 指数呈递增格局，但与经度无显著相关性（P>0.05）；在纬度梯度上，从南到北，Margalef 指数、Pielou 指数和 Shannon-Wiener 指数呈显著递增趋势（P<0.05）。总体上，荒漠戈壁灌木群落物 种多样性呈现出明显的垂直（海拔）和纬度地带性分布格局。     

一种新型浅地层剖面仪试验平台的设计与应用

为探讨浅地层剖面声学影像形成原理,探索不同类型沉积物声学影像特征,厘清不同沉积物厚度的识别算法,采用模块化设计理念研发一套新型浅地层剖面仪室内试验平台。综合室内定位技术、浅剖试验平台尺寸合理性分析技术、直线轨道与换能器之间的固定连接技术和海底声学参数反演技术,形成一个试验高效的新型平台。通过铺设沉积物和布设障碍物,利用浅地层剖面仪进行走航测试,精确识别了沉积物的厚度和障碍物的位置。该平台可为开展理想环境下沉积物厚度和障碍物识别提供较好的测试环境,为声学海洋设备性能检测提供测试平台,也为高校学生和技术人员提供设备使用培训场所。     

秦皇岛近岸海域绿藻微观繁殖体的分布以及在绿潮形成中的作用

2015年以来，秦皇岛近岸海域暴发了绿潮，对北戴河旅游区的环境和生态系统造成了严重影响。绿藻微观繁殖体在绿潮的形成过程中起到重要作用，主要包括孢子、配子、幼苗和营养片段。绿藻微观繁殖体作为绿潮的“种源”，其分布规律可以反映绿潮的“藻源”位置。本研究于2016年4-9月和2017年1月对秦皇岛近岸海域绿藻微观繁殖体的调查，探究了其分布规律以及生物量变化。结果显示，绿藻微观繁殖体主要分布在近岸海域，由近岸向远岸海域逐渐降低。绿藻微观繁殖体的数量在7、8月份最高，在冬季最低。受绿潮影响严重的海域微观繁殖体数量高于其它海域。秦皇岛近岸海域的绿藻微观繁殖体为该海域绿潮的种源，其分布规律表明秦皇岛近岸海域绿潮起源于本地。     

中国省域尺度17部门资本存量的时空特征分析

随着灾害强度、频率以及承灾体暴露的增加,自然灾害造成的损失日益严重。资本存量作为承灾体的经济暴露指标之一,是灾害损失评估的前提和基础。针对目前中国缺乏省域尺度长时间序列的经济部门分类的资本存量数据基础,论文通过永续盘存法,建立了2003—2015年中国大陆31省17部门的资本存量数据库,并分析其时空特征。结果显示：① 全国总资本存量与灾害直接损失的年际变化均呈增加趋势。省域尺度上,通过相关性分析显示,在99%置信度水平上,两者呈显著正相关(r=0.3)。② 时间上,各省17部门资本存量基本也呈增加趋势,但增速不同。在各部门增速最快的省份中,黑龙江省的居民服务、修理和其他服务业增速最快,增长约454.3倍;其次是青海省的租赁和商务服务业(398.3倍)、江苏省的金融业(295.1倍)、安徽省的科学研究和技术服务业(125.1倍)等。③ 空间上,2015年各省17部门资本存量最多的前4个部门分别是房地产业,工业,交通运输、仓储和邮政业,水利、环境和公共设施管理业,占比均在60%以上;且这4个部门资本存量暴露最多的省份是江苏省和广东省。该结果有助于从时空角度了解各省各部门资本存量暴露情况,为各省灾害风险管理者的防灾减灾工作提供重要的参考价值。     

A machine learning approach for predicting computational intensity and domain decomposition in parallel geoprocessing

ABSTRACT

High performance computing is required for fast geoprocessing of geospatial big data. Using spatial domains to represent computational intensity (CIT) and domain decomposition for parallelism are prominent strategies when designing parallel geoprocessing applications. Traditional domain decomposition is limited in evaluating the computational intensity, which often results in load imbalance and poor parallel performance. From the data science perspective, machine learning from Artificial Intelligence (AI) shows promise for better CIT evaluation. This paper proposes a machine learning approach for predicting computational intensity, followed by an optimized domain decomposition, which divides the spatial domain into balanced subdivisions based on the predicted CIT to achieve better parallel performance. The approach provides a reference framework on how various machine learning methods including feature selection and model training can be used in predicting computational intensity and optimizing parallel geoprocessing against different cases. Some comparative experiments between the approach and traditional methods were performed using the two cases, DEM generation from point clouds and spatial intersection on vector data. The results not only demonstrate the advantage of the approach, but also provide hints on how traditional GIS computation can be improved by the AI machine learning.