基于SBDART辐射传输模型的夜间辐射雾自动检测及时间序列分析

如何确定合适的阈值来区分夜间辐射雾、晴空地表和中高云一直是雾检测研究的重点。圣巴巴拉DISORT大气辐射传输模型(Santa Barbara DISORT atmospheric radiative transfer,SBDART)可模拟雾顶亮度温度。基于该模型获取MODIS B20与B31波段的亮温差(brightness temperature difference,BTD),将其用于夜间辐射雾检测。以MODIS卫星数据为可行性试验数据,用国家卫星气象中心提供的地面验证数据进行验证,结果表明,使用该模型监测夜间雾的准确率达78.3%,误判率为21.7%,可靠性指标为0.643,Kappa系数为0.730。为进一步验证方法的稳定性,选取8景卫星序列图像进行时间序列分析,结果显示Kappa系数均值为0.744,说明应用当前阈值方法对MODIS夜间雾检测具有可适用性。该方法为夜间雾预报和夜间雾参数反演提供了有效的参考。     

基于MODIS影像的陆地辐射雾微物理参数反演及动态变化分析

作为一种常见的气象灾害,雾灾严重的影响了人们交通出行等日常生活。基于遥感影像反演的雾微物理参数可在一定程度反映雾灾的发展状况和严重程度,进而对大雾进行有效的监测和预测。本文选取发生于华北地区2007年11月24日13时10分的陆地辐射雾MODIS影像作为试验数据,在大雾生消机理和遥感影像信息提取基础上,构建了大雾路径辐射模型和微物理参数反演算法,成功反演出能见度、含水量、有效粒子半径3个微物理参数,并在湖北省气象局提供的地面观测数据基础上对能见度进行了地面数据验证,得到两者的相关系数为0．9366．地面数据与反演结果相关性较大,数值误差较小,说明反演方法具有可行性。本文进一步应用该模型对发生于华北地区2007年11月21日至11月26日的一次陆地辐射雾MODIS时间序列影像反演微物理参数并进行动态变化分析,总结出大雾具有爆发性产生和重复阶段性发展的特点,能见度主要受大气辐射和水汽供给的影响。其值在50～130m之间变化,和平均含水量、有效粒子半径成反比例关系,共同反映出雾灾的严重程度和发展阶段。     

广义回归神经网络在深基坑监测中的应用

本文详细介绍了广义回归神经网络的基本原理,给出了预测深基坑监测竖向位移的广义回归神经网络模型,通过工程实例验证了该模型的正确性。通过对实验结果的分析,说明广义回归神经网络在深基坑工程监测中预测的可行性和有效性。