基于高分影像的光伏电场自动化提取应用研究

随着高空间分辨率遥感影像数据急剧增多,传统的监测分类方法很难适应海量遥感数据的解译需求.本项目以宁夏中卫市沙坡头区光伏电场为例,通过设计适合遥感地物识别的卷积神经网络和构建目标样本的最佳特征表达,让计算机经过深度学习,具备观察和理解的能力,挖掘潜在的有用地物特征,实现光伏电场的自动化信息提取,并且验证了利用高分影像自动化提取的高效性和准确性.     

浅谈基础性地理国情监测成果常见问题及质量控制方法

从近几年福建省基础性地理国情监测生产实践出发,分析基础性地理国情监测成果中关键性与频发性的问题,提出了行之有效的质量控制建议,为基础性地理国情常态化监测质量控制提供一定的借鉴.     

一次霾天气条件下石家庄上空大气气溶胶数浓度的飞行探测与特征分析

利用2010年8月30日河北省石家庄一次霾天气条件下的气溶胶飞行探测资料,分析了石家庄地区上空658—6933 m高度范围内大气气溶胶粒子平均数浓度、平均直径的垂直分布特征和9个水平飞行高度上的谱分布特征。结果表明:轻度霾天气条件下的气溶胶平均数浓度为325个/cm3,平均直径为0.169μm。在约1000 m高度以下,气溶胶平均数浓度随高度的增加呈线性减少趋势。粒径也随高度增加而减小,由0.187μm减小至0.164μm。1000 m高度以上,气溶胶平均数浓度随高度减少趋势变缓,粒子平均直径在0.167~0.171μm范围内波动。9个不同高度上的谱分布都呈单峰型,随着高度增加,谱宽变小,峰值向小尺度方向移动。后向轨迹计算分析表明:污染气团的远距离输送可能是导致大气1500 m高度层气溶胶数浓度突增的原因。     

2008年1月贵州冻雨的数值模拟和层结结构分析

针对2008年初发生在贵州地区的严重冻雨过程,分别从环流背景、低空急流和水汽输送条件等方面分析了准静止锋维持的原因,并选取本次灾害最严重的第3次过程为典型个例,利用WRF模式针对准静止锋影响下的贵州冻雨进行数值模拟来研究冻雨的发生机制。模拟结果较好地反映出高低空环流形势场特征,强雨雪降水带的走向、落区,以及地面温度的分布,均与观测基本吻合。通过分析高分辨率模式的模拟结果,揭示了准静止锋上贵州地区冻雨的层结结构特征及云物质在冻雨区的分布特征。研究结果表明,贵州中部的冻雨区除一般的三层结构(包含冰晶层、暖层和冷层)外,还具有典型的两层结构特征,即:高空的固体降水粒子稀少,900~600 h Pa深厚的逆温层和0℃以上的暖层使中低空存在大量液态粒子,下落的液滴经过近地面的浅薄冷层,形成大量过冷却雨滴,而后降落至地面迅速冻结。     

GRAPES_RAFS系统2 m温度偏差订正方法研究

本文通过对2013年6月20日至7月20日GRAPES(Global and Regional Assimilation and Prediction System)_RAFS(Rapid Analysis and Forecast System)系统每天8个时次每3h的2 m温度预报进行分析,发现各时次的预报均能较好地表征2 m温度日变化特征,但预报与实况存在一定的偏差,其中西藏东部川西高原、云贵高原、江南武夷山脉偏低于实况可达3℃,而华北地区偏高于实况3℃以上.为了减小GRAPES_RAFS系统偏差对2m温度预报的影响,本文采用平均法、双权重平均法、滑动平均法和滑动双权重平均法分别对GRAPES_RAFS系统2 m温度预报产品进行偏差订正,并对订正前后的结果进行检验分析和对比.结果表明:2 m温度订正后的平均误差大部地区减小到(一1～1℃),而均方根误差大部地区降低到2.5℃内.对于偏差较大地区,订正效果更为明显,如西藏东部川西高原,经过订正,平均误差绝对值由订正前3℃以上降低到1℃内,而RMSE由订正前4℃以上控制到3℃内.对比四种订正方法,双权重订正方法与平均法订正整体效果接近,但对个别站点,双权重订正法要优于平均法,经过滑动的订正方法比无滑动的订正方法订正效果更好,订正效果最好的是滑动双权重平均法,全国平均误差大部分在(-0.5～0.5℃)内,不超过(-1～1℃)的范围.     

低温雨雪过程的粒子群-神经网络预报模型

利用逐日气温和降水量数据、NCEP/NCAR再分析资料以及预报场资料,通过分析提取我国南方区域持续性低温雨雪过程及其预报因子,使用粒子群-神经网络方法建立非线性的统计集合预报模型 (PSONN-EPM),对我国南方区域持续性低温雨雪过程进行预报试验。结果表明:以过程的冷湿程度及影响范围为标准,将低温雨雪过程分为一般过程和严重过程,并建立不同的预报模型效果较好。通过10 d独立样本预报试验看,基于粒子群-神经网络方法建立的集合预报模型比基于逐步回归方法建立的预报模型的预报平均相对误差小,对严重过程预报能力高于对一般过程预报,且这种非线性统计集合建模方法在建模过程中不需要调整神经网络参数,在实际预报业务中值得尝试。     

THE LOW-PRESSURE SYSTEM IN THE VERTICAL VELOCITY OMEGA ON THE SCALE OF SYSTEM SENSITIVITY

In this study, the relationship between scale and vertical velocity in a low-pressure system is explored using the wave characteristics of atmospheric disturbances and the structural characteristics of low-pressure systems. The ω differential equation, as determined by the transient geopotential height field Φ, is solved to obtain an analytical solution composed only of wavelength, horizontal speed, and atmospheric stability, i.e., the ω diagnostic equation of a low-pressure system. This equation also shows that vertical velocity in the low-pressure system is very sensitive to the horizontal scale, i.e., a smaller horizontal scale means a larger vertical velocity.