2012/2013年冬季中国气温异常成因分析

2012/2013年冬季,我国平均气温为-3.8℃,较常年同期(-3.4℃)偏低0.4℃,就空间分布来看,我国东北、华北、黄淮、江淮和新疆北部气温较常年同期偏低。利用1951-2013年国家气候中心整理的全国160站月平均气温资料、英国Hadley中心全球海温资料、NCEP/NCAR再分析大气环流资料、德国不莱梅大学提供的海冰卫星遥感资料,通过EOF分析、回归分析、合成分析、相关分析方法研究了引起2012/2013年冬季我国气温异常的东亚中高纬大气环流异常,并从海洋环境要素异常的角度分析造成这种环流异常的原因。分析结果表明:2012/2013年冬季我国气温异常分布主要是由于北极涛动(AO,Arctic Oscillation)呈负位相,西伯利亚地区高度场异常偏高,东亚大槽明显偏深的环流形式引起的。而太平洋年代际振荡(PDO,Pacific Decadal Oscillation)负位相是引起西伯利亚高压强度偏强和东亚冬季风强度偏强的年代际海洋背景,前期9月海冰范围异常偏小是导致2012/2013年冬季AO呈现负位相及我国东北和新疆北部呈现异常低温的主要原因。     

南海海岛自动气象站防护应用技术探索

立足海南及南海的自然条件,结合海岛自动气象站在南海高温、高湿、高盐雾、强辐射、强风等恶劣气候环境下使用情况,通过对历年来海岛自动气象站故障及失效模式的统计和分析,总结分析故障原因。根据设备维护人员多年气象设备保障工作积累总结的经验,从海岛自动气象站结构和防护要求出发,集成应用市场上优质材料、先进工艺和多种成熟、关键设备防护技术,形成一些气象设备防护的有效方法措施,以提高海岛自动气象站对海洋环境的适应性和性能,延长设备使用寿命。     

榍石LA-ICP-MS U-Pb定年技术研究

榍石具有较高的U含量和封闭温度,是一种重要的适用于U-Pb定年的副矿物。然而,基体效应与普通Pb校正成为制约榍石LA-ICP-MS U-Pb定年发展的主要因素。本文以~(206)Pb/~(238)U为例,采用基体归一化因子(F_(AVG))评估了锆石与榍石U-Pb定年标准的基体效应,结果显示榍石F_(AVG)几乎都大于1.20,而锆石F_(AVG)明显都小于1.20,表明锆石与榍石U-Pb定年标准存在显著的基体效应。以BLR-1榍石标准为外部校准标样,OLT1榍石获得的谐和年龄1014.9±4.8Ma(95%置信水平,n=23,MSWD=0.32)与SHRIMP谐和年龄1017.1±3.6Ma及ID-TIMS谐和年龄1014.6±1.3 Ma在误差范围内一致,同时获得~(206)Pb/~(238)U、~(207) Pb/~(235) U、~(207) Pb/~(206) Pb加权平均年龄在误差范围内与其谐和年龄一致;而以91500锆石为外部校准标样,OLT1榍石获得的~(206)Pb/~(238)U加权平均年龄为891.3±9.5 Ma(n=23,MSWD=5.3),与ID-TIMS测得的谐和年龄相比偏低约12%。经~(207)Pb法校正后,TCB榍石获得的~(206)Pb/~(238) U加权平均年龄1015.6±6.2 Ma(n=16,MSWD=0.84)与ID-TIMS谐和年龄1018.1±1.7Ma在误差范围内一致。本研究表明,采用基体匹配的榍石标准为外部标样,利用LA-ICP-MS对榍石进行U-Pb定年也能获得与ID-TIMS相一致的年龄,精度(2RSE)小于2%。     

辽东湾坳陷东部地区走滑双重构造的发育特征 及其石油地质意义

在将构造发育特征与走滑双重构造理论模型进行类比分析的基础上,对辽东湾坳陷东部地区的走滑双重构造的发育特征进行了研究,并结合油气勘探实践成果,就其石油地质意义进行了探讨,研究结果表明:在受控于走滑与拉伸并存的多动力源区域地质背景下,辽东湾坳陷新生代构造演化体现了断陷与拗陷、拉张与走滑的叠加效应,NNE走向的辽中1号断裂、辽中2号断裂及辽东断裂的发育不仅控制了辽东湾坳陷东部地区的凸凹格局,其走滑侧接关系也导致了研究区走滑双重构造的发育;辽东凸起是由于辽中2号断裂、辽东断裂走滑弯曲、右行左阶侧接而形成的挤压走滑双重构造,而辽中凹陷在早期拉张断陷基础上,经历了后期走滑作用的改造,其断裂体系的发育体现了辽中1号断裂与辽中2号断裂的右旋右行侧列所产生的拉张走滑双重构造效应;在走滑双重构造的增压带,断裂侧向封堵性强,有利于形成有效的断层圈闭,是油气藏发育的有利区带。     

遥感数据在线信息分析服务技术研究

遥感数据的在线信息分析服务技术是基于在线处理技术,整合各种遥感信息和技术资源,通过标准Web Service调用方式以按需共享的方式提供遥感应用服务。本文就高分遥感数据产品的在线信息分析技术框架及信息分析结果的在线可视化系统实现展开研究,通过整合遥感数据处理算法及处理工具资源进行系统集成,并利用标准Web Service调用的方式为用户统一提供在线数据分析服务,使用户无须安装复杂处理软件就能在线对数据进行处理分析。试验结果表明,在线信息分析服务系统能稳定高效地为3—5级高分影像数据产品提供在线的数据分析功能,能有效降低行业应用高分遥感影像的难度,进一步增强了对高分遥感影像数据的应用能力。     

利用地形正规化校正反立体现象

影像目视判读常会遇到山脊与沟谷的凹凸感与现实相反的反立体现象。消除反立体现象,能有效提高非专业人员对遥感影像的正确使用。立足于反立体现象的成因,本文采用地形正规化模型来校正影像的反立体现象,推导出Lambertian、Cosine-Civco、c校正、b校正这4种地形正规化模型的反立体校正式;对这4种地形正规化模型的反立体校正效果进行了对比,并且与其他5种校正法也进行了对比。通过3个实验区的校正发现,这4种地形正规化模型均能校正反立体现象,但校正影像存在色调偏差;Lambertian、Cosine-Civco的反立体校正影像立体感较强,但影像色调改变较大,视觉效果偏差;c校正、b校正的校正影像在视觉效果和定量指标上都比较接近,基本保持地物光谱信息,校正效果相对较好。从定量指标来看,b校正的反立体校正影像的各指标值整体最小,一定程度代表b校正能取得相对较好的反立体校正效果。与其他方法的对比表明,c校正和b校正的反立体校正不局限于波段个数,在有效消除反立体现象的同时,能相对较好的保留地物光谱信息,有利于影像的定量应用。     

结合像元分解和STARFM模型的遥感数据融合

高空间、时间分辨率遥感数据在监测地表快速变化方面具有重要的作用。然而,对于特定传感器获取的遥感影像在空间分辨率和时间分辨率上存在不可调和的矛盾,遥感数据时空融合技术是解决这一矛盾的有效方法。本文利用像元分解降尺方法(Downscaling mixed pixel)和STARFM模型(Spatial and Temporal Adaptive Reflectance Fusion Model)相结合的CDSTARFM算法(Combination of Downscaling Mixed Pixel Algorithm and Spatial and Temporal Adaptive Reflectance Fusion Model)进行遥感数据融合。首先,利用像元分解降尺度方法对参与融合的MODIS数据进行分解降尺度处理;其次,利用分解降尺度的MODIS数据替代STARFM模型中直接重采样的MODIS数据进行数据融合;最后以Landsat 8和MODIS遥感影像数据对该方法进行了实验。结果表明:(1)CDSTARFM算法比STARFM和像元分解降尺度算法具有更高的融合精度;(2)CDSTARFM能够在较小的窗口下获得更高的融合精度,在相同的窗口下其融合精度也高于STARFM;(3)CDSTARFM融合的影像更接近真实影像,消除了像元分解降尺度影像中的"图斑"和STARFM模型融合影像中的"MODIS像元边界"。     

水质关键因素光谱遥感监测技术分析

针对传统水体水质分析方法过度依赖于实地测量和实验室化学分析,需要耗费大量人力物力且效率不高的问题,从水质遥感监测数据获取手段、典型反演监测模型、不同水体光谱遥感监测应用状况、水质遥感监测技术应用及前景等方面分析归纳了使用遥感技术监测水质的新方法。从可用数据类型、数据特征等方面对水质遥感监测数据获取的3种主要手段进行了比较;从复杂程度、使用场景、优缺点等方面对4种典型的反演模型进行了归纳;对遥感数据和模型在Ⅰ类和Ⅱ类水体应用中的常用组合方式进行了分析总结。     

面向蓝藻的洱海气象监测站布局方法

针对洱海流域蓝藻预警研究所需的气象数据不足的问题,提出洱海气象监测站优化布局方法,采用环境影响统计概念模型分析了对环境产生影响的主要经济因素,根据水体污染指标将洱海各个行政区分为高污染区和低污染区,再考虑汇入洱海支流是否流经高污染区,认为在高污染区支流汇入口是蓝藻发生概率较高的区域。依据2个主要参数:区域污染程度和支流入口,部署气象监测站,该监测站能为洱海蓝藻预警研究提供必要、准确和可靠的水面气温、降雨量以及日照长度等气象参数,将对水环境的监测和研究具有重大意义和广泛应用前景。     

Grid pattern recognition in road networks using the C4.5 algorithm

Pattern recognition in road networks can be used for different applications, including spatiotemporal data mining, automated map generalization, data matching of different levels of detail, and other important research topics. Grid patterns are a common pattern type. This paper proposes and implements a method for grid pattern recognition based on the idea of mesh classification through a supervised learning process. To train the classifier, training datasets are selected from worldwide city samples with different cultural, historical, and geographical environments. Meshes are subsequently labeled as composing or noncomposing grids by participants in an experiment, and the mesh measures are defined while accounting for the mesh’s individual characteristics and spatial context. The classifier is generated using the C4.5 algorithm. The accuracy of the classifier is evaluated using Kappa statistics and the overall rate of correctness. The average Kappa value is approximately 0.74, which corresponds to a total accuracy of 87.5%. Additionally, the rationality of the classifier is evaluated in an interpretation step. Two other existing grid pattern recognition methods were also tested on the datasets, and comparison results indicate that our approach is effective in identifying grid patterns in road networks.