地质非结构化数据研究战略——以JPG图件为例

从大数据时代背景出发,提出研究地质非结构化数据的战略意义。通过分析地质数据的特点,发现其大数据性。以JPG图件为例,展开国内外研究现状分析和行业应用分析。最后通过分析地质JPG图件数据的使用情况,提出地质JPG图件数据战略规划。     

高光谱影像光谱-空间多特征加权概率融合分类

提出了一种基于光谱-空间多特征加权概率融合的高光谱影像分类方法。首先,利用最小噪声分离(minimum noise fraction,MNF)方法对高光谱影像进行降维和特征提取,并以得到的MNF特征影像作为光谱特征,联合灰度共生矩阵(gray level co-occurrence matrix,GLCM)提取的纹理特征、基于OFC算子建立的多尺度形态学特征以及采用连续最大角凸锥(sequential maximum angle convex cone,SMACC)提取的端元组分特征,组成3组光谱-空间特征;然后利用支持向量机(support vector machine,SVM)对每一组光谱-空间特征进行分类,得到每组特征的概率输出结果;最后,建立多特征加权概率融合模型,应用该模型将不同特征的概率输出结果进行加权融合,得到最终分类结果。为了验证该方法的有效性,利用ROSIS和 AVIRIS影像进行试验,总体分类精度分别达到97.65%和96.62%。结果表明本文的方法不但较好地克服了传统基于单一特征高光谱影像分类的局限性,而且其分类效果也优于常规矢量叠加(vector stacking,VS)和概率融合的多特征分类方法,有效地改善了高光谱影像的分类结果。     

大型高精度GNSS基线向量网并行抗差估计

针对大型GNSS基线向量网的特点,在改进的相关观测抗差估计RECO方案的基础上采用并行计算技术进行相关抗差估计的并行计算(简称"并行抗差估计"),并给出了可行的解算步骤。通过算例分析,验证了大型GNSS基线向量网的并行相关抗差估计,不仅有效抑制了观测异常对参数估值的影响,而且显著提高了计算效率。     

大坝自动化监测数据粗差处理方法研究

以西南某电站自动化观测系统的监控数据为研究对象,分别利用3σ准则和分位数方法对其数据进行检验.首先,对于3σ准则,当一组被检测数据内有多个异常值时,会引起多判或少判异常值的错误;其次,对于分位数方法,只能修正下一时刻的粗差点,同样存在缺陷;最后,针对上述缺陷,提出了大坝自动化监测数据的粗差剔除方法,即关联分析法.     

椭球面上绘制大地线的算法

针对传统二维线划图无法表达大区域地理要素的问题,该文提出了一种在椭球面上绘制大地线的算法。以等间距内插空间直线逼近空间曲线这一思想作为基础,通过Bessel大地主题正、反算及克莱劳方程,实现大地线内插与绘制的综合分析与解算。实验结果表明,该方法较好地解决了在参考椭球面上难以精确绘制大地线的问题,对传统地图向三维椭球面线划图的转换与应用具有一定的参考价值。     

基于基础地理数据统计的长三角城市主城区空间格局扩展研究

在快速城镇化时期,城市主城区的空间格局变化最为显著,以其复杂性和扩展性为突出特征。研究其扩展变化对认识城镇化、优化城市空间结构等具有重要意义。本文在基础地理数据统计的基础上,对长三角城市主城区2002~2012年的空间扩展进行了分析,探索影响其演变的若干因素。     

长江三角洲地区污染密集型产业转移及驱动机理

污染密集型产业转移及影响机理研究已成为区域可持续发展的研究热点之一。利用长江三角洲地区2000-2010年面板数据,运用Arc GIS空间分析工具,探讨污染密集型产业的时空格局演变特征及转移规律,构建计量学模型,定量地揭示其转移的驱动机理。结果表明:1近十年来,长江三角洲地区的污染密集型产业具有空间转移特征,转移方向基本符合沪宁—沪杭甬交通线,呈现由中心城市到外围城市、由集中到分散转移态势;2污染密集型产业转移主要受到外向度和劳动力成本拉动,而与经济发展水平呈负相关,环境规制、产业结构、创新能力均产生重要推动作用。3长江三角洲地区经济发展目前已逐渐摆脱依赖污染密集型产业的迹象,但污染密集型产业区位仍未发生根本性改变。     

2019年中国气候主要特征及主要天气气候事件

2019年我国气候总体呈现暖湿特征。全国年平均气温较常年同期偏高0.79℃,为1951年以来连续第五暖年,四季气温均偏高,春、秋季明显偏暖;年降水量为645.5 mm,较常年同期偏多2.5%,冬、春、夏季降水偏多,秋季偏少。华南前汛期开始早、结束晚,为1961年以来最长前汛期,雨量为1961年以来次多;西南雨季开始和结束均偏晚,雨量偏少;入梅晚、出梅早,梅雨量偏少;华北雨季开始晚,结束与常年一致,雨量偏少;东北雨季开始早、结束晚,雨量偏多;华西秋雨开始早、结束晚,雨量偏多。2019年,台风生成多,登陆强度总体偏弱,仅台风利奇马灾损重;暴雨洪涝、干旱、强对流、低温冷冻害和雪灾、沙尘暴等气象灾害均偏轻。     

基于TIGGE资料的地面气温延伸期多模式集成预报

基于TIGGE资料中心提供的CMC、ECMWF、UKMO及NCEP四个集合预报中心2008年7月1日-9月30日北半球中纬度地区地面气温10 ～ 15 d延伸期集合预报产品,首先采用Tala-grand分布及离散度—误差关系评估了单个预报系统的预报性能,然后分别利用多模式集成平均(Ensemble Mean,EMN)、消除偏差集成平均(Bias-Removed Ensemble Mean,BREM)及多模式超级集合(Multi-model Superensemble,SUP)对地面气温进行多模式集成预报试验.由于逐日的延伸期预报准确率相对较低,因此人们更关注延伸期预报对天气过程的预报准确率.对各个集合预报系统的逐日预报资料以及逐日“观测”资料做滑动平均,并对处理后的资料进行多模式集成,最后对超级集合预报的训练期长度进行调试,以获得最佳训练期长度.结果表明,四个集合预报系统的离散度相对于均方根误差都偏小,ECMWF预报效果最好,NCEP次之,UKMO预报效果最差.EMN、BREM及SUP三种多模式集成方法的预报效果均优于单个系统且SUP对预报效果的改善最明显.滑动平均后,预报误差进一步降低,且滑动步长越长,误差越小.对于SUP的训练期,逐日预报和3d滑动平均10～12 d预报最佳训练期长度为75 d;13 ～ 15 d预报最佳训练期长度为35 d;5 d及7d滑动平均其训练期长度在各个时效均以35 d为宜.     

Comparison of Liquid Water Content Retrievals for Airborne Millimeter-Wave Radar with Different Particle Parameter Schemes

In the application of the physical iterative method to retrieve millimeter-wave radar liquid water content(LWC) and liquid water path(LWP), particle parameter scheme is the main factor affecting retrieval performance. In this paper, synchronous measurements of an airborne millimeter-wave radar and a hot-wire probe in stratus cloud are used to compare the LWC retrievals of the oceanic and continental particle parameter scheme with diameter less than 50μm and the particle parameter scheme with diameter less than 500μm and 1500μm(scheme 1, scheme 2, scheme 3, and scheme4, respectively). The results show that the particle parameter scheme needs to be selected according to the reflectivity factor when using the physical iterative method to retrieve the LWC and LWP. When the reflectivity factor is less than-30 d BZ, the retrieval error of scheme 1 is the minimum. When the reflectivity factor is greater than-30 d BZ, the retrieval error of scheme 4 is the minimum. Based on the reflectance factor value, the LWP retrievals of scheme 4 are closer to the measurements, the average relative bias is 5.2%, and the minimum relative bias is 4.4 %. Compared with other schemes,scheme 4 seems to be more useful for the LWC and LWP retrieval of stratus cloud in China.