在浙江省测绘学会第二届代表大会上的报告

各位代表，同志们：浙江省测绘学会第二届代表大会胜利召开了。这次大会是在党的十二大和五届人大五次会议精神鼓舞下，全省人民满怀信心，为全面开创社会主义现代化建设的新局面而努力奋斗的大好形势下召开的。     

基于亮温通道变率的FY-3C微波湿度计陆地云检测新方法

云检测是卫星资料同化的重要前处理步骤,无论是晴空资料同化还是有云资料同化,都需要准确地区分有云和晴空资料。由于陆地地表发射率的多变性和微波能穿透部分云类的特点,微波湿度计资料在陆地上空的云检测研究一直是难点。利用快速辐射传输模式（CRTM）分析了不同云类条件下FY-3C微波湿度计（MWHS-Ⅱ）各通道亮温的通道间变率特征,根据MWHS-Ⅱ亮温通道间变率随云高以及云中液态水含量的增大而减小的特点,提出了一个基于亮温通道变率的MWHS-Ⅱ陆地资料云检测方法。与已有的云产品比较结果表明:新的云检测算法能有效地剔除大部分受云影响的资料,剔除后的晴空资料观测和模拟偏差更好地符合高斯分布。新方法对过冷水云、冰云、重叠云的检测能力较强,正确检测率可以达到80%,对卷云以及高度较低的水云的检测能力相对较弱。新方法能有效利用MWHS-Ⅱ观测资料自身完成云检测,在MWHS-Ⅱ资料同化中有很好的应用前景。      

我国东南沿海FY-2C卫星图像上多光谱云分析技术

为了对我国东南沿海地区的云类型/下垫面进行客观定量检测,从云的光学特性出发,利用卫星图像上各种云型/下垫面呈现出的光谱特征,结合白天正午样本集,分析云的光谱特征差异,提出一种利用通道亮温和通道间亮温差及反照率等,识别发展较强的对流云、高中低混合多层云、中低层水云、薄高云和晴空的方法。通过样本采集、绘制散点图、检测试验,建立FY-2C云类型/下垫面识别流程,给出白天及夜间适合的检测判据。结果表明:强对流云团的光谱特征最显著,其判别相对简单,采用单通道或通道间亮温差即可获得较好的判别效果,但也存在对密实卷云错判的情形;与天气过程相联系的高中低混合多层云光谱特征也比较明显,较易识别,但高中低混合多层云和厚卷云以及发展较强的对流云光谱特征存在相似之处,在一些云层边界或交界处还是存在一些错判;暖水云和薄卷云的判识对可见光通道依赖性较强。经过多光谱云分析,可间接确定云相态,并可为其它云参数（云顶高、光学厚度及有效粒子半径等）的反演提供有利信息。      

湖南省强对流天气特征统计分析

本文运用2000～2005年湖南省内244个强对流天气资料,统计分析了湖南省强对流天气的时间、地域分布特征,并对湖南省强对流天气形势进行了分型,结果表明:湖南省强对流天气多在春、夏季出现,72%的强对流天气出现在夜间,其中冰雹、短时强降水出现几率山区大于平原.而大风在平原地区出现几率平均大于山区.省内强对流天气类型分为5种:地面冷锋型、副高边缘型、地面倒槽型、静止锋型、东风波影响型.     

根据冬前积温确定小麦不同播期基本苗方法的再探讨

关于三麦适宜播期与基本苗的确定问题,本站曾于八一年根据分期播种试验作过初步分析。 在一定的肥、水条件下,适宜的基本苗是保证群体合理发展,从而既获得足穗,又防止因群体过大,后期发生倒伏的重要因素。从农业气象角度,根据肥力和生产水平确定小麦不同播期基本苗,具有重要的生产意义,有进一步深入探讨的必要。 本文根据县农业部门81—83年“7208”小麦品种苗情资料,分别付高产试验田(肥料、管理水平较高、条播)和一般大田(肥料、管理水平一般、散播),进一步分析冬前积温(0℃以上)对叶令,以及叶令、基本苗与平均单株茎蘖数的定量关系,提出了确定不同播期基本苗的计算方法,并列出计算结果,以供生产部门参考。     

气象因子对近地面臭氧污染影响的研究

本文通过对１９９３年春季和春夏之交的O3浓度逐日变化、日变化和气象因子关系的分析，提出了影响O3浓度的主导气象因子和不同情况下形成高浓度O3的主要因子，提出了大风速对逐日变化中O3浓度特高及浓度日变化峰值的重要作用，并指出高温、低湿、小风并不是在所有情况都是促成高浓度O3的因子。另外，雾也可以成为近地面O3浓度增值的因素，主要原因是雾内湍流发展将高浓度O3大量输向下方。     

南通沿海条斑紫菜养殖的气象条件

南通市海岸线为220km,滩涂面积为1035km^2,潮间带面积为2100km^2,主要分布在如东县和启东市沿海。丰富的滩涂资源为开发贝类、藻类、鱼类等养殖提供了得天独厚的天然条件。条斑紫菜为潮间带栽培藻类,20世纪70年代起在南通市沿海进行人工栽培推广。近年来,紫菜养殖发展迅速,     

支持向量机方法在机场跑道视程预报中的应用

利用2004—2006年11月至次年二月的每半小时一次的自动气象站观测资料,分别建立了乌鲁木齐机场跑道视程大于800m和小于800m2个支持向量学习机(SVM)推理模型,并进行了跑道视程的预测试验,结果显示:对训练集的回报、对试验集的预报、对检验集预测的TS评分在48%～75%之间,较高TS评分表明:所建SVM推理模型对跑道视程具有一定的预测能力,可为跑道视程预测业务提供参考。     

基于自动机器学习的机场温度预报方法研究

利用2015年1月—2021年3月ECMWF细网格数值预报产品构建训练样本,使用自动机器学习方法构建乌鲁木齐机场温度预测模型.结果表明:(1)ECMWF模式直接输出的乌鲁木齐机场温度平均绝对误差为1.7℃,基于自动机器学习方法的Auto-sklearn模型和Auto-Keras模型能够改善模式直接输出的误差,使平均绝对...