初夏大雨以上降水的一种短期解释预报方法

以单站要素为基本因子,用非线性判别方法为基本工具,再选用部分传真高空资料,采用复相关表和点聚图逐步筛选消空制作初夏大降水解释预报,效果良好,方法简便,适于县站使用。     

多因子综合的降维法——非线性映象在天气预报中的应用

点聚图是一种简便有效的预报工具,但通常只能制作二因子的点聚图,多因子时如何综合为一张点聚日至今在理论上、实践上都没有很好解决。综合更多因子而又能发挥点聚图的长处,自然成为人们工作中提出的一个问题。非线性映象原理是解决这个问题的途径之一。 在统计天气预报中,将多因子压缩为少因子降维的方法,现常用的是将组合因子表为原因子的线性函数,使组合因子能最大限度地表示原因子,属于这种方法的有主成分分析     

支持向量机方法在山东山洪地质灾害预报中的应用试验

用支持向量机(SVM)方法根据T213数值资料和济南、淄博、泰安、莱芜4站的降水实况资料对山东山洪灾害多发的鲁中山区进行了降水分类预报试验。结果表明:多项式核和径向基核函数建立的模型较好地提炼了降水信息,都具有很高的预报技巧,客观性和实用性强,有很强的推广能力;用径向基核函数建的非线性降水分类模型优于用多项式核函数建立的线性降水分类预报,特别是资料减少时,非线性降水分类预报明显优于线性降水分类预报;低层大气湿度可能对线性降水分类有重要影响;建模时用的资料数据格式与实际业务中获得的数据格式应尽量保持一致。     

春播期天气模糊聚类分析及判别预报

本文用模糊聚类方法对春播关键期天气进行客观分类并进行判别预报。从82～88年的应用看,有一定分类预报能力,效果良好,对充分利用气候资源及时棉播,提高棉播经济效益,有一定的指导意义。     

中国冬季气温对ENSO的非线性响应特征

运用一双排套装的非线性神经网络统计模型,讨论了中国冬季气温对ENSO事件的非线性响应特征。结果表明,响应具有较明显的非线性特征,且这种非线性主要表现在振荡强度的差异上,即气温对El Nino事件的响应程度强于对La Nina事件的响应。El Nino位相下,气温的正距平中心主要出现在东北、江淮、福建以及新疆南部;La Nina位相下,上述地区气温出现负距平中心,但振荡强度较弱。气温对ENSO的响应可分为线性响应部分和非线性响应部分,其中非线性响应解释的方差约占线性响应的2/5,因此非线性响应的作用不可忽视。     

多光谱卫星图像的一种模糊聚类方法

基于二维光谱特征空间，用模糊C均值(FCM)聚类方法，对多光谱静止卫星(GMS-5)图像进行了云分类试验，得到了比较合理的分类结果。该方法利用不同光谱通道的卫星云图光谱特征构造出一个二维光谱特征空问，对云图在特征空间上的光谱特征点进行FCM聚类，然后与已知云类样本的特征进行比较，确定出各聚类域的类属，进而得到二维光谱空间的云分类图，实况接收的云图可通过查验特征像素点在分类图中的落区位置来实现云的分类。     

图象相关分析法判别因子的比较与实验

天气雷达跟踪回波运动,或卫星云图上示踪云测风,广泛使用相关分析法。本文对比方法中的判别因子进行了理论分析,数值模拟和个例实验。结果表明,在回波结构变化时,用原点矩相关系数R_3作为相关分析法的判定因子跟踪回波或示踪云,较中心矩相关系数R_1和相关亮度综合因子R_2有一定的优越性。     

面向高光谱图像分类的超像素级Gabor特征融合方法研究

由于高光谱图像中的地物空间分布具有规整性和局部连续性,同时超像素分割是一种将空间图像分割成多个同质区域的有效方法,因此从超像素的角度进行高光谱图像分类将具有重要意义.本文提出了一种超像素级Gabor特征融合的高光谱图像分类方法,简称为SPGF.首先,使用一组预定义的二维Gabor滤波器与原始高光谱图像进行卷积运算,提取有效特征.同时,利用简单线性迭代聚类（简称SLIC）超像素分割方法将原始高光谱图像划分成互不重叠的超像素.然后,对于每个Gabor特征模块,利用支持向量机分类器进行分类,并使用多数投票策略实现各模块分类结果的融合.最后,使用通过SLIC算法得到的超像素图对分类结果进行修正.在2个真实高光谱数据集上的实验结果表明,本文提出的SPGF方法能够比领域内的一些经典算法获得更高的分类效果.     

试论县站预报工作中的指标法

县站天气预报是我国独创的单点预报。预报方法是比较多的。如天气学、气候学、统计学、数值预报、点聚图、模式法、指标法等方法。目前,县站预报普遍采用的是指标法。这种方法制作不难使用简便,效果较好。所谓指标法是指某气象要素现象的出现或达到了一定标准时,对应在一定的时     

多元隶属函数在雹云识别中的应用

为了探索建立多元隶属函数识别雹云的判别方程，本文将雹云和非雹云视作含参变量β的多因子线性模型，用最小二乘法确定参变量，并构造由多元隶属函数表示的判别方程，进而按样本的多元隶属度回报拟合最好原则确定雹云和非雹云的判别阈值λ０。用该方法建立了５个不同样本组合的雹云判别式，进行了效果检验，并与其它雹云判别法的结果相比较，效果较理想。     

最优化方法在天气预报中的应用

本文根据最优化方法原理,提出了选择非线性最优预报因子和建立非线性预报方程的办法。试验表明:用此方法选出来的非线性预报因子和建立的方程比线性的好。最后还指出了此方法可推广到预报量离散的情况,建立非线性的判别方程,同时可用于长、中、短期天气预报。     

南京,上海地区对流及降水甚短期预报的统计方法研究

本文以我国国家气象局发布的B模式数值预报输出,上海气象局计算的物理量及南京单站气象观测资料作为基本的初选因子,用逐步判别法对5月至入梅前南京和上海的对流天气和降水预报建立了不同的预报方程,探讨了预报因子的不同组合,非线性因子的引入以及不同的判别方案对预报准确率的影响,并进行了业务预报试验。结果表明,考虑非线性因子影响并采用“两段筛选”的判别方法获得的预报方程其预报效果最佳。     

VIL中心区自动识别、跟踪和临近预报

利用多普勒天气雷达体扫数据资料计算垂直累积液态含水量(VIL)，用逐步增大初始阈值法识别VIL中心区；利用动态预测面积比法、分类跟踪法以及中心区面积守恒原则相结合的方法对中心区进行跟踪；运用线性最小二乘法、线性集成法和线性外推法对中心区的重心位置进行临近预报。实例结果表明：所使用的方法能很好地识别、跟踪和预报VIL中心区。     

变K变N聚类方案在气象场分析中的应用

在统计天气预报中,人们常用K-均值聚类方法进行气象场分析和群相似预报,也曾讨论过分类数K与分解总误差ED之间的关系。如何进一步探讨聚类参数间的内在联系,如何实现用少而精的聚类指标即因子数N得到良好的分类,是这个方法的两个关键问题。本文根据1873到1975年共103年全球1月和7月海平面气压月距平场及其球函数展开系数A_n~m和B_n~m的资料,在事先不能确定用几个因子和分成几类的情况下,提出用变K变N方案进行试验,分析聚     

陆水水库梅雨期洪峰预报的二级判别

利用气象资料和陆水水库的水文资料，采用因子分类和逐步判别分析的方法，筛选分类判别因子，建立分类判别因子的综合判别方程，再通过假设，使用等概率模型简化综合判别方程，并根据简化后的判别方程，对陆水水库出现致洪暴雨后的72h内可能出现的洪峰强度进行初步预测。     

GRAPES-GEPS环流集合预报的分类释用方法研究与检验

集合预报在数值天气预报体系中具有重要地位，因此如何有效提取集合样本信息以提高集合预报技巧一直是一个重要课题。基于中国全球集合预报业务系统（GRAPES-GEPS）的500 hPa高度场集合资料开展对环流集合预报的分类释用方法研究，并对集合聚类预报结果进行了检验分析。通过在传统Ward聚类法中引入动态聚类的“手肘法”方案，发展了环流集合预报分类释用方法。针对该方法的个例分析表明，对于中国中东部地区环流集合预报的聚类释用方法能够有效地划分出最有可能发生的环流形势类型并提供发生概率。确定性预报综合检验结果显示，集合预报聚类结果中发生概率最高的集合大类相对于集合平均的预报技巧有明显提升，并随着预报时效的延长提升更明显。总体来看，通过集合预报的分类释用方法划分环流形势类型可以为天气预报提供参考依据，具有实际应用价值。      

暴雨落区预报的映象方法

本文提出了一种暴雨落区预报的新方法。这种方法设想以最有利于产生暴雨区域的物理量数值为标准,全面考察其他地区相应物理量对产生暴雨的相对有利程度,用非线性映象的原理进行综合并数量化,最后将结果反射到天气图上,从而客观地作出暴雨落区预报。初步试验结果表明,该方法能客观地综合各物理量的主要分布特征,图面清晰,对暴雨落区的诊断与预报具有一定的能力。 在因子处理方面,我们用回归分析的方法,由计算机自动判别确定急流轴的位置;对映象的计算过程,我们根据最优化指标K的函数特性,用梯度法代替过去一般采用的简单松驰迭代算法,克服了由于样本个数增加,简单松驰迭代算法不收敛的缺点,取梯度模长的平方小于万分之一作为迭代收敛的标准,改进后一般迭代次数不超过50次,达到了业务使用的要求。     

多光谱云分类技术在锋面云系中的应用

将逐个修改聚类和模糊聚类的多光谱云分类技术应用于2002年6月10日03时锋面气旋云系的识别,并采用同一时次的地面常规观测与其进行了对比分析。结果发现,两种聚类方法对典型锋面气旋云系均有较好的识别能力,分类结果与天气概念模型云层分布情况一致;逐个修改聚类对组间差别较大的情况分类效果较好,而模糊聚类却对性质相近的类别有较好的识别;卫星图像分类结果与地面常规观测比较一致,但在层云、积云、层积云等性质较为相近类别的识别上存在一定差异。     

基于MODIS遥感数据的混合像元分解技术研究和应用

使用郑州市MODIS（Moderate-Resolution Imaging Spectroradiometer）遥感数据,运用线性混合模型,对MODIS遥感数据进行混合像元分解技术研究。探讨了MODIS遥感数据的预处理、线性光谱分解模型、图像端元组分反射率的求取方法。把结果与分辨率较高的Landsat ETM＋图像分类结果进行对比,并根据得到的均方根误差（RMS;Root Mean Square）进行分析表明,利用这种像元分解方法得到的结果较为理想,MODIS数据可以有效地应用于遥感动态监测和土地覆盖分类研究。     

基于Bayes准则的时间序列判别预报模式

根据Bayes准则下的多元线性判别分析和时间序列的线性自回归模式,本文提出一种时间序列的判别预报模式。该模式采用两种不同的变量筛选方案,对于气象时间序列的数量记录,由过去的记录判别未来记录的趋势(如正负距平、旱涝等)。在一定的自相关结构下,其判别效果较好。文献[1—4]曾论述用(0,1)两值时间序列建立AR(p)模式,但AR(p)模式有其局限性。将时间序列与多元判别分析结合,建立时间序列基础上的判别模式,用以往各时刻变量作为线性判别因子对未来各时刻的变量取值类型作出判别,既可保留时间序列线性模式的优点,又可利用多元逐步判别筛选因子的计算方法。从气象状况演变的物理机制来看,考虑前期状态演变比单纯考虑前期某一时刻的状态更有意义。