城市路网交通状态的改进Kriging估计方法

在非线性降维算法Isomap的基础上进行了改进,提出了一种基于度量多维标定法的空间变换方法。将原始网络空间中的路网距离转换为新欧氏空间中的近似路网距离,并在此距离度量基础上实现Kriging方法。通过对南昌市真实数据进行交通状态估计的实验发现,该方法比现有的基于欧氏距离度量的Kriging方法具有更高的估计精度,能够有效地解决交通领域中大规模路网交通运行状态监控的问题。     

利用位置服务信息的车用自组织网络有效路由

根据位置服务信息,采用道路内微观路由和道路间宏观路由相结合的路由方案(MiMa),引入Dijk-stra优化算法为节点间通信提供一条具有导向功能的最佳路由。实验结果表明,该路由协议提高了数据包投递率,降低了数据端到端的传输延迟。     

SIS海冰模式中两种盐度参数化方案的差异

详细介绍了Sea Ice Simulator(SIS)海冰模式中引进两种盐度参数化方案即等盐度方案和盐度廓线方案对海冰模拟所存在的差异。利用盐度廓线方案导出的表征盐度与海冰温度间关系的方程比等盐度方案多出一项,将该项定义为盐度差异项。盐度差异项对海冰厚度的热力作用表现为:在海冰厚度增长季节(11月到次年5月),盐度差异项通过升高海冰内部温度,抑制海冰增长;在消融的第一阶段(6—8月),盐度差异项通过升高海冰内部温度加快海冰消融;在消融的第二阶段(9—10月),盐度差异项通过降低海冰内部的温度抑制海冰消融。但尺度分析表明,盐度差异项要比方程中对海冰温度作用最大项小1—2个量级,如果采用一级近似,可以略去盐度差异项,因此盐度差异项对与海冰增长和消融影响很小。同时利用GFDL中心研制的冰-洋耦合模式Modular Ocean Model(MOM4),分别采用两种盐度参数化方案模拟北极海冰厚度和海冰密集度的季节性变化,模拟结果也表明两种方案模拟得到的海冰厚度和海冰密集度的季节性变化相差甚小。     

World Wide Web(WWW)上矢量地图数据的多分辨率传输算法

提出一种用于网络环境下多分辨率传输矢量地图数据的算法,此算法采用"点删除"技术用于多分辨率描述原始的矢量地图数据,而且能够避免空间对象的自相交和维护拓扑关系的一致性.以此算法为基础开发了一个Client/Server结构的实验软件,在实验结果的基础上评估了该算法对提高网络环境下矢量地图数据传输效率的效果.实验结果表明该算法用于矢量地图数据的多分辨率快速传输是有效的.     

区域气候模式对中国夏季降水的10年回报试验及其评估分析

该文使用国家气候中心全球海气耦合模式嵌套区域气候模式(RegCM_NCC)对1991～2000年中国夏季降水进行了数值回报试验.从模式回报的降水10年平均状况来看,模式基本上能够反映这10年夏季的平均状况.用国家气候中心预报评分P、技巧评分SS、距平相关系数(ACC)和异常气候评分TS 4种评估参数对模式的回报试验进行了总体评估分析,结果表明该模式对我国汛期降水具有一定的跨季度预报能力,对部分地区(西部,东北,长江下游等)有较强的预报能力.从相关系数来看,预报准确率较高(即相关系数较高)的地区是中国东北地区的北部(内蒙古的北部和黑龙江的西北部),内蒙古-河套-长江中游地区,新疆的西北部,西藏的东部和四川的西部,江南部分地区,广西部分地区.这些地区的中心一般均超过0.90的信度检验.160个站中相关系数高于0.20的有54个,约占33.73%.     

中国业务动力季节预报的进展

利用动力模式开展季节到年际的短期气候预测 ,是目前国际上气候预测的发展方向。自 1996年以来 ,经过 8a多的研制和发展 ,国家气候中心已建立起第 1代动力气候模式预测业务系统 ,其中包括 1个全球大气 海洋耦合模式 (CGCM )、1个高分辨率东亚区域气候模式 (RegCM_NCC)和 5个简化的ENSO预测模式 (SAOMS) ,可用于季节—年际时间尺度的全球气候预测 ;全球海气耦合模式与区域气候模式嵌套 ,可以提供高分辨率的东亚区域气候模式制做季节预测。CGCM对 1982～ 2 0 0 0年夏季的历史回报试验表明 ,该模式对热带太平洋海表面温度和东亚区域的季节预测具有较好的预测能力。RegCM NCC的 5a模拟基本上能再现东亚地区主要雨带的季节进展。利用嵌套的区域气候模式RegCM NCC对 1991～ 2 0 0 0年的夏季回报表明 ,在预报主要季节雨带方面有一定技巧。 2 0 0 1～ 2 0 0 3年 ,CGCM和RegCM NCC的实时季节预报与观测相比基本合理。特别是 ,模式成功地预报了 2 0 0 3年梅雨季节长江和黄河之间比常年偏多的降水。SAOMS模式系统的回报试验表明 ,该系统对热带太平洋海表面温度距平有一定的预报能力 ,模式超前 6～ 12个月的回报与观测的相关系数明显高于持续预报。 1997～ 2 0 0 3年 ,SAOMS多模式集合实时预报与观测的相关系数达到     

全球变暖背景下我国春季气温的时空变化特征

利用我国台站观测逐日气温资料和美国NCEP/NCAR再分析大气环流资料,通过分析比较我国1951—1980和1981—2010年两个时段春季气温的季节、月、候时间尺度的气候平均特征,研究20世纪80年代以后的春季气温和季节进程的变化特征,并初步探讨了春季气温变化的可能原因。结果表明：20世纪80年代以后,除了西南等地,全国大部分地区春季增温,由东北到西南呈现气温“升高—降低”的形势。在春季3—5月,除西南局部地区气温下降外,全国其余大部分地区气温升高0~1℃。3—5月季节进程在江南和西南东部地区加快,内蒙古和华南南部地区则经历了由快到慢的变化,东北地区、西南地区南部、西北地区北部春季进程速度减慢。总体来说,在全球变暖背景下,我国东部地区春季开始早、结束早,西部地区春季开始和结束时间变化不明显。与1951—1980年相比,20世纪80年代以后,春季乌拉尔山地区高压减弱,东亚大槽减弱,亚洲中高纬地区纬向环流加强,西太平洋副热带高压加强,东亚副热带西风急流明显增强,因此不利于来自北半球极地和高纬地区的冷空气影响我国,我国大部（特别是东北）地区春季气温偏高。但是,中东急流偏强,东亚副热带急流偏南,有利于欧洲中东部冷空气影响我国西南地区,导致西南地区气温偏低;同时,南支槽偏弱,不利于印度洋和孟加拉湾的暖湿气流向北影响我国西南地区,也使得西南地区气温易于偏低。     

一种视觉与惯性协同的室内多行人目标定位方法

多行人目标连续定位与跟踪是大型室内空间安全防护、应急疏散、位置服务等应用领域共同关注的问题.基于固定相机的视觉监测是室内空间人流探测与行人定位的重要方式.然而现有单目视觉行人探测存在行人漏检、易受视觉盲区影响、行人身份难以确定等问题.针对这些问题,提出了一种结合视觉信息与惯性信息的主被动协同定位方法.该方法首先利用视觉...     

融合多源测量数据的桥梁挠度异常探测方法

桥梁是一种重要的交通基础设施,保障了人员和物资的流动运输,桥梁安全状态监测至关重要。受桥梁自身承重、桥面移动荷载和环境温度等因素的影响,桥梁挠度不断发生变化,而挠度异常可能会引起桥梁的结构性损伤而产生安全隐患。针对目前挠度异常探测方法没有综合考虑其外部环境和挠度自身变化特征的不足,本文提出了一种融合多源测量数据的桥梁挠度异常探测方法。利用环境温度、桥面移动荷载及桥梁挠度计算多源测量数据特征并融合,通过随机森林分类模型识别异常挠度。试验结果表明,本文方法的异常探测精度达到88.18%,效果良好,并且优于其他典型机器学习模型,能够帮助桥梁管理部门及时发现桥梁挠度异常情况,从而提高桥梁维护管理水平。     

A COMPARISON AND EVALUATION OF TWO CENTENNIAL-SCALE SEA SURFACE TEMPERATURE DATASETS IN THE CHINA SEAS AND THEIR ADJACENT SEA AREAS

Two reconstructed sea surface temperature(SST) datasets(HadISST1 and COBE SST2) with centennial-scale are compared on the SST climate change over the China Seas and their adjacent sea areas. Two independent datasets show consistency in statistically significant trends, with a warming trend of 0.07—0.08 ℃ per decade from 1890 to2013. However, in shorter epochs(such as 1961—2013 and 1981—2013), HadISST1 exhibits stronger warming rates than those of COBE SST2. Both datasets experienced a sudden decrease in the global hiatus period(1998—2013), but the cooling rate of HadISST1 is lower than that of COBE SST2. These differences are possibly caused by the different observations sources which are incorporated to fill with data-sparse regions since 1982. Different data sources may lead to higher values in HadISST1 from 1981 to 2013 than that in COBE SST2. Meanwhile, the different data sources and bias adjustment before the World War II may also cause the large divergence between COBE SST2 and HadISST1,leading to lower SST from 1891 to 1930. These findings illustrate that the long-term linear trends are broadly similar in the centennial-scale in the China Seas using different datasets. However, there are large uncertainties in the estimate of warming or cooling tendency in the shorter epochs, because there are different data sources, different bias adjustment and interpolation method in different datasets.