基于Triple-Collocation的地面观测与卫星遥感数据融合的雪深反演

针对单一被动微波遥感反演雪深的精度和空间分辨率不足的问题,提出了一种星-地多源数据融合的雪深反演方法。以北疆每日站点观测雪深、AMSR-E遥感反演雪深和SSM/I遥感反演雪深数据为研究对象,首先利用地统计方法结合地面站点观测数据估计北疆区域的雪深,然后采用Triple-Collocation方法分别估计三个雪深数据的误差方差,最后结合最小二乘原理实现星-地雪深观测数据的融合。对融合雪深与地面雪深观测数据进行验证分析,结果显示,与AMSR-E和SSM/I遥感反演雪深相比,融合的雪深与地面观测雪深的相关性更高;融合的雪深的精度有一定程度的提高。实验结果证明了多源数据融合方法的有效性。     

基于MODIS雪盖数据的北疆雪深多元非线性回归克里金插值

为了提高北疆地区雪深时空分布监测的准确性,以该区域48个气象站点2006年12月—2007年1月的月平均雪深观测数据为基础,通过分析月均雪深空间自相关性及其与经纬度、高程的相关性,结合MODIS雪盖数据构建了多元非线性回归克里金插值方法,插值获得了北疆地区较高精度的雪深空间分布数据。将插值雪深数据与普通克里金插值法、考虑高程为辅助变量的协同克里金插值法的预测结果进行比较,结果表明:1相对普通克里金和协同克里金方法,多元非线性回归克里金法的12月份雪深预测精度分别提高了15.14%和9.54%,1月份的提高了4.8%和6.7%;2由于充分利用了经纬度和地形信息,多元非线性回归克里金法的雪深预测结果可提供更多细节信息;3预测结果客观地表达了雪深随经纬度和地形变化的趋势,反映了积雪深度的空间变异性;4基于不显著相关的协变量高程的协同克里金插值法预测的雪深数据精度劣于普通克里金插值法的预测结果。     

局地化方法在集合转换卡尔曼滤波同化的适用性研究

为了探索协方差局地化（Covariance Localization,CL）方法在集合转换卡尔曼滤波（Ensemble Transform Kalman Filter,     

污染源普查信息查询系统

介绍了地理信息系统(GIS)技术在环境保护中的应用,结合第一次全国污染源普查专题数据,研发污染源普查信息查询系统。系统采用了数据库技术和GIS技术,综合考虑实际情况,实现对污染源普查数据的管理、查询、统计和分析。该系统能为环境质量统计、评价提供信息和技术支持。     

ERA5-Land降水再分析资料在中国西南地区的适用性评估

为了探究欧洲中期天气预报中心第五代陆面再分析ERA5-Land(ERA5L)降水资料在中国西南的四川、重庆、贵州、云南及西藏5省(区、市)的适用性。以2018-2020年中国气象局441个国家级地面站雨量器自动观测数据为参考基准,使用Pearson相关系数、平均相对误差、均方根误差、命中率、空报率以及临界成功指数评分,对ERA5L降水资料在评估时段内各区域和站点的整体精度、不同海拔、不同时间尺度(月、季),以及不同量级降水的特征和偏差进行分析。结果表明：(1)ERA5L降水资料能较好反映西南区域的降水变化特征,但相对站点观测存在不同程度的偏高,以西藏地区最为明显。(2)在四川盆地,ERA5L降水与站点观测相关性高、误差较小,在西藏、云南、贵州及四川西部的地形复杂山区,误差相对较大。(3)ERA5L降水的误差存在明显的月变化特征,从7月开始到次年的2月,平均相对误差随降水总量的降低而增加,命中率减小、空报率增大,随后从2-7月,平均相对误差又随着降水量的增大而减小,命中率增加、空报率减少;各省(区、市)在不同季节质量表现不一,春季和秋季重庆相对表现最优,夏季贵州最优,冬季四川最优。(4)...     

基于无人机航测的水库确界和嫌疑区解译应用

针对飞来峡水库库区面积大、传统技术难以及时有效管理、近年来违法违章行为增多、部分水库水质受到污染的现状,有必要对飞来峡水库开展确界工作和对违法违章嫌疑区进行监测.首先,基于无人机航测技术精确划定飞来峡水库管理区范围和无人机影像范围内的保护区外边界;然后,基于卷积神经网络对飞来峡水库铁溪坑示范区进行分类,得到较好的裸地、建筑、道路、船只、植被和水体6种地物的分类结果;最后,根据分类结果,结合确界数据解译得到30处违法违章嫌疑区.违法违章嫌疑区主要集中在北江沿岸两侧以及铁溪坑支流的水面,数量最多的是网箱养鱼和开垦.研究结果表明,利用无人机航测技术进行水库库区确界,再结合卷积神经网络进行违法违章嫌疑区监测是有效和可行的,能显著提高确界的精度和水库管理的时效性,为水库违法违章嫌疑区的清理和整治提供科学的技术支撑和高效的管理手段.     

基于 GIS 的东北三省气温降水空间自相关性分析简

创新性地提出了基于两观测站点连线的垂直平分线构建空间连接矩阵,进一步计算空间自相关指数Moran＇s I 来分析气象数据的空间分布模式.利用Moran’s I 分析探讨了东北地区86 个气象站1951～2011 年气温降水数据的空间自相关.结果表明,东北三省气温降水存在显著的空间聚集现象,降水表现为吉林省北部显著低低聚集,吉林辽宁省东部显著高高聚集,气温表现为东北三省南北区域显著聚集;1960～2011 年气温分布较降水表现出更强的空间自相关性,且随年份变化自相关性稳定程度比降水好;气温分布空间自相关性随时间有减弱趋势, 但仍表现出区域显著聚集强相关现象.     

LSMA结合NDBI提取广州市部分城区不透水面的方法

以广州部分城区为研究区,选取2015年10月18日Landsat 8 OLI遥感影像,基于线性光谱混合分析(LSMA),结合归一化建筑指数(NDBI)优化不透水面盖度提取精度;并分别采用传统LSMA和优化LSMA提取了不透水面。在传统方法的基础上,优化LSMA利用纯净像元指数与手动端元相结合的方法提高了端元选取精度;解混后再利用NDBI阈值掩膜。经验证,传统LSMA提取不透水面盖度的均方根误差(RMSE)为0.306,与样本区的相关系数(R~2)为0.898,系统误差(SE)为0.21;优化LSMA的RMSE为0.125,与样本区的R~2为0.943,SE为-0.035,精度明显高于传统LSMA的提取精度,可为广州市不透水面环境效应研究提供更可信的数据支持。     

顺序数据同化算法的敏感性分析

为了探讨不同同化指标对顺序数据同化的影响,选择En KF,DEn KF,En SRF三种经典的顺序同化算法,结合Lorenz-1963模型进行敏感性实验分析,研究同化总时间、同化步长、集合成员数、方差膨胀因子、观测数目和局地化半径等指标对同化结果的影响。实验表明:同化总时间、同化步长、集合成员数、方差膨胀因子、观测数目和局地化半径对同化结果有直接的影响,基于En KF的改进算法在有限范围内是优于En KF的;当达到一定条件时,以上所有方法的同化结果趋于相同。研究结果对于实际应用中的最优顺序同化算法选择具有指导意义。     

EnKF同化的背景误差协方差矩阵局地化对比研究

在集合数据同化中,背景场误差的协方差估计特别重要。通常有限个成员的集合在估计背景误差协方差矩阵时会引入伪相关,从而造成协方差被低估、滤波发散。虽然协方差膨胀的经验性方法能一定程度缓解协方差被低估的问题,但不能消除协方差的伪相关问题。因此,结合EnKF方案探讨2种消除伪相关的局地化方法(协方差局地化方法和局地分析方法),分析这2种局地化方法对背景误差协方差矩阵、增益矩阵、集合转换矩阵以及同化结果的影响。实验结果表明:局地化方法不仅能消除背景误差协方差矩阵的伪相关,还可以增加背景误差协方差矩阵的秩;在"弱"同化强度下,2种局地化方法的增益矩阵和集合转换矩阵相等;随着同化强度的增大,增益矩阵和集合转换矩阵的差异会变大;在不同的同化强度下,2种局地化方法各具特色,相对而言,协方差局地化方法在更新集合均值和集合扰动上具有较强的鲁棒性。研究结论有助于背景场误差协方差的精细分析和估计。