伶仃洋沉积动力特点的研究

位于珠江三角洲东侧的伶仃洋，因径流下泄与潮流进退的流向不一，使它各分流口门的出口水道都有主槽和支槽之分，即都有主干水道和分汊水道。陆架高盐海水入侵又使伶仃洋内沉积动力过程在空间分布上发生差异，如沉积物分布有粗－细－稍粗之分；而水体中的密度、速度差异，常常产生锋带，对水下地形的发展有不可忽视的影响。因而全面认识发生在伶仃洋内的沉积动力作用，对深水航道的选线极为重要。     

Analysis and classification of hyperspectral data for mapping land degradation: An application in southern Spain

Desertification is a severe stage of land degradation, manifested by “desert-like” conditions in dryland areas. Climatic conditions together with geomorphologic processes help to mould desert-like soil surface features in arid zones. The identification of these soil features serves as a useful input for understanding the desertification process and land degradation as a whole. In the present study, imaging spectrometer data were used to detect and map desert-like surface features. Absorption feature parameters in the spectral region between 0.4 and 2.5 μm wavelengths were analysed and correlated with soil properties, such as soil colour, soil salinity, gypsum content, etc. Soil groupings were made based on their similarities and their spectral reflectance curves were studied. Distinct differences in the reflectance curves throughout the spectrum were exhibited between groups. Although the samples belonging to the same group shared common properties, the curves still showed differences within the same group.Characteristic reflectance curves of soil surface features were derived from spectral measurements both in the field and in the laboratory, and mean reflectance values derived from image pixels representing known features. Linear unmixing and spectral angle matching techniques were applied to assess their suitability in mapping surface features for land degradation studies. The study showed that linear unmixing provided more realistic results for mapping “desert-like” surface features than the spectral angle matching technique.     

川滇黔桂76种元素地球化学图编制中分析方法与分析质量研究(一) 不同实验室产生地球化学图的相似性——以Ag、Cs、Ga、Ge为例

编制中国76种元素地球化学图将使我们首次了解元素周期表上除氢、氧及惰性气体之外所有元素在中国大陆表层的分布,川滇黔桂76种元素地球化学图的编制是这一研究项目的试点。本文以不同实验室取得的Ag、Cs、Ga、Ge分析数据为例,探索、衡量不同实验室地球化学图相似性的方法,以优选实验室进行川滇黔桂4省区约4000件组合样76种元素的大规模分析工作。     

成像光谱仪影像的几种处理方法

针对成像光谱仪影像的专题分析，介绍了沿用常规遥感影像分析方法时的原理和新的算法，提出了影像融合方法的应用，说明了这些方法在学术思想上的归属，并简要介绍了各种方法的实验效果。     

应用IAP9L-AGCM对2002年中国夏季气候的预测及效果检验

利用中科院大气所9层大气环流格点模式(IAP9L—AGCM)和IAP—ENSO预测系统对2002年中国夏季气候进行实时集合预测及其检验。结果显示，IAP9L—AGCM较好地预测出了2002年夏季我国大范围旱涝的分布形势，如华南、我国西部多雨，黄河和长江流域之间大范围干旱等；850hPa减弱的夏季风、青藏高原辐散中心以及北太平洋上空的异常气旋性环流中心亦被较好地预报出来；不足的是，模式对降水异常细致分布的预测能力有限。预测结果还表明，该模式对夏季(6—8月)平均降水的预报技巧要高于月平均状况，且月平均预报的准确度从6—8月依次递减。     

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%。     

HHT-EEMD用于IGS站高程时间序列分析

利用经验模态分解（EMD）和整体经验模态分解（EEMD）方法，将BJFS站2000~2015年高程时间序列进行分解，发现其不仅存在1 a、0.5 a、0.25 a、2个月、1个月以及长周期等周期项，还存在以往方法很难探测出来的近似2 a周期信号。与EMD分解结果对比，整体经验模态分解可以明显减弱模式混叠现象。对各分量进行Hilbert 变换（HHT），得到时间-频率-能量的Hilbert 频谱图。结果表明，年周期和2 a周期变化是高程运动的主要贡献项。利用小波变换方法对比验证EEMD的分解结果表明，与小波分析相比，EEMD重构信号与高程序列差异的RMS更小，证明了HHT-EEMD方法在数据资料分析过程中的有效性。对环境负载及GRACE负载造成的测站位移进行功率谱分析得出，环境负载确实会造成IGS站高程时间序列的1 a、0.5 a以及季节性运动，GRACE负载还验证了2 a信号的存在。     

保持局域特征的多源海冰图像融合与分类

本文提出一种保持局域特征的多源海冰图像融合方法，并在此基础上进行海冰分类。本文提出的多源海冰图像融合方法包括保持空间局域融合和保持特征局域融合两方面。首先，通过学习得到投影矩阵和相似矩阵。投影矩阵将多源像素进行投影变换，得到保留像素空间局域特性的融合向量。相似矩阵度量像素特征间的相似性，通过拉普拉斯特征分解，得到保留像素特征局域相似性的融合向量。然后，将空间融合向量和特征融合向量进行像素综合，得到融合图像。在此基础上，本文设计一种滑动集成分类方法进行融合图像像素分类。提出的分类方法利用滑动集成的特点，在分类时增强刻画了海冰局域特性。由于本文的保持局域融合框架不仅刻画了海冰在物理空间中的邻接关系，而且考虑不同海冰类型的特征关系，因此其在多源图像（多光谱和合成孔径雷达（SAR）图像）的海冰分类任务中表现优异。实验结果表明本文提出的基于保持局域特征融合的多源海冰图像分类方法有效提升了海冰分类精度。     

Ensemble simulation of land evapotranspiration in China based on a multi-forcing and multi-model approach

In order to reduce the uncertainty of offline land surface model(LSM) simulations of land evapotranspiration(ET), we used ensemble simulations based on three meteorological forcing datasets [Princeton, ITPCAS(Institute of Tibetan Plateau Research, Chinese Academy of Sciences), Qian] and four LSMs(BATS, VIC, CLM3.0 and CLM3.5), to explore the trends and spatiotemporal characteristics of ET, as well as the spatiotemporal pattern of ET in response to climate factors over mainland China during 1982–2007. The results showed that various simulations of each member and their arithmetic mean(Ens Mean) could capture the spatial distribution and seasonal pattern of ET sufficiently well, where they exhibited more significant spatial and seasonal variation in the ET compared with observation-based ET estimates(Obs MTE). For the mean annual ET, we found that the BATS forced by Princeton forcing overestimated the annual mean ET compared with Obs MTE for most of the basins in China, whereas the VIC forced by Princeton forcing showed underestimations. By contrast, the Ens Mean was closer to Obs MTE, although the results were underestimated over Southeast China. Furthermore, both the Obs MTE and Ens Mean exhibited a significant increasing trend during 1982–98; whereas after 1998, when the last big EI Ni ?no event occurred, the Ens Mean tended to decrease significantly between 1999 and 2007, although the change was not significant for Obs MTE. Changes in air temperature and shortwave radiation played key roles in the long-term variation in ET over the humid area of China, but precipitation mainly controlled the long-term variation in ET in arid and semi-arid areas of China.     

基于CMIP5模式的中国气候变化敏感性预估与分析

以CMIP5提供的26个全球气候系统模式的温度和降水数据为基础,采用区域气候变化指数(Regional Climate Change Index,RCCI)分析中国的不同区域对21世纪气候变化响应的敏感性。结果表明,三种排放情景(RCP 2.6、RCP 4.5、RCP 8.5)下,21世纪全期,气候变化最敏感的区域分布在西藏地区,其次为我国西北地区以及东北地区,气候变化敏感性最低的区域分布在我国内蒙古中东部、华北地区以及长江中下游一带,且高排放情景对应更高的气候变化敏感性。对RCCI指数贡献因子分析结果表明,对中国气候变化敏感性贡献的大小依次为Δσ_TΔσ_pΔRRWAF。冬夏两季温度变化的大值区与RCCI指数的大致区分布一致,RCCI大小的分布很大程度上由温度变化的敏感性决定。而夏季降水变化的大值区主要出现在西藏地区、华南地区和东北地区,冬季降水变化的大值区则主要出现在黄河以南长江以北的中原地区以及东北地区。