A timescale decomposed threshold regression downscaling approach to forecasting South China early summer rainfall

A timescale decomposed threshold regression(TSDTR) downscaling approach to forecasting South China early summer rainfall(SCESR) is described by using long-term observed station rainfall data and NOAA ERSST data. It makes use of two distinct regression downscaling models corresponding to the interannual and interdecadal rainfall variability of SCESR.The two models are developed based on the partial least squares(PLS) regression technique, linking SCESR to SST modes in preceding months on both interannual and interdecadal timescales. Specifically, using the datasets in the calibration period 1915–84, the variability of SCESR and SST are decomposed into interannual and interdecadal components. On the interannual timescale, a threshold PLS regression model is fitted to interannual components of SCESR and March SST patterns by taking account of the modulation of negative and positive phases of the Pacific Decadal Oscillation(PDO). On the interdecadal timescale, a standard PLS regression model is fitted to the relationship between SCESR and preceding November SST patterns. The total rainfall prediction is obtained by the sum of the outputs from both the interannual and interdecadal models. Results show that the TSDTR downscaling approach achieves reasonable skill in predicting the observed rainfall in the validation period 1985–2006, compared to other simpler approaches. This study suggests that the TSDTR approach,considering different interannual SCESR-SST relationships under the modulation of PDO phases, as well as the interdecadal variability of SCESR associated with SST patterns, may provide a new perspective to improve climate predictions.     

Changes in the boreal summer intraseasonal oscillation projected by the CNRM-CM5 model under the RCP 8.5 scenario

Climate Dynamics - The 30–60-day boreal summer intraseasonal oscillation (BSISO) is the predominant intraseasonal variability in the Asian summer monsoon (ASM) region, representing the...     

1951—2015年乌鲁木齐市升温过程频数及强度气候特征

利用乌鲁木齐市气象站1951年1月1日至2015年12月31日的逐日气温资料,以日最高气温及其升温幅度为指标,整理出乌鲁木齐市近65年升温过程数据库,将升温过程分为Ⅰ级(弱)、Ⅱ级(中等强度)、Ⅲ级(较强)、Ⅳ级(强)以及Ⅴ级(极强)5个等级,分析了乌鲁木齐市各级升温过程发生频数、持续日数、过程不同时段升温幅度、过程最高气温、过程最高气温距平偏高幅度等要素气候特征。结果如下：(1)1951—2015年,乌鲁木齐市出现升温过程5677次,平均每年87.3次,其中Ⅰ级(弱)升温过程占67.8 %。升温过程发生频数的季节分布较均匀,但在春季相对较多。近65年来,年平均升温过程发生频数在7个年代际中差异不大,没有明显的线性变化趋势。(2)1951—2015年,乌鲁木齐市5677次升温过程的平均持续日数为2.14?d,其中持续1 d的过程占43.0 %。随升温过程等级由Ⅰ级到Ⅴ级提高,过程持续日数最高出现频率也从1?d过渡到3?d。升温过程持续日数在春季4、5月份最长。(3)1951—2015年,乌鲁木齐市过程升温幅度平均为5.76℃,在春季最大、秋季最小。Ⅳ级(强)以及Ⅴ级(极强)的过程升温幅度最大的月份分别是5月和3月。65年来,乌鲁木齐市升温过程的最大24h、48h和72h升温幅度平均值分别为3.72℃、6.12℃和8.23℃,最大24 h升温幅度在冬季最大、夏季最小,最大48 h和72 h升温幅度都是在春季最大、秋季最小。(4)1951—2015年,乌鲁木齐市升温过程的最高气温平均值为14.52℃,在夏季7、8月最高,在冬季各月最低,带有显著的季节背景特征。过程最大日气温距平的平均值为2.93℃。Ⅳ级(强)和Ⅴ级(极强)升温过程的日气温距平偏高幅度最大月份分别出现在1月(11.73℃)和12月(19.10℃)。     

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。     

卓越GIS工程师能力培养体系探索

目前,本科工程教育的内容主要包括理论教学和工程实践两大部分。本文以武汉大学遥感信息工程学院GIS人才培养体系为例,介绍了理论教学与实践教学并重的"知识—思维—能力"三位一体的培养模式,以及校内培养和企业培训相结合的培养方式,以期对高等学校GIS教育和卓越GIS人才培养产生一定的借鉴作用。     

杭州地区2015年PM2.5浓度时空变化特征分析

在2015年杭州地区11个地面观测站PM2.5质量浓度监测数据的基础上,结合MOD04_3K AOT产品,建立了利用AOT反演近地面PM2.5质量浓度的模型.利用实测和遥感反演数据共同分析了杭州市PM2.5质量浓度时空变化特征.分析结果表明,PM2.5质量浓度分布的日变化特征为:在杭州市中心城区,冬季、春季及秋季都存在典型的双峰变化,冬季、春季的峰值出现在9:00-12:00,秋季峰值出现在6:00-9:00;夏季表现出夜间浓度高于白天的特征.PM2.5质量浓度分布的季节性变化特征为:冬季＞春季＞秋季＞夏季.PM2.5质量浓度的空间分布格局为:杭州地区东北区域的浓度明显高于其他区域;杭州—富阳—桐庐沿线、杭州—临安沿线PM2.5质量浓度存在高浓度的分布条带,PM2.5质量浓度的空间分布与城镇化的格局相似.PM2.5质量浓度空间分布与地形和植被指数呈负相关,春季地形和植被指数对PM2.5浓度分布的抑制影响最大.     

BDS／GPS 组合 RTK 定位性能分析

针对单系统RTK存在可见卫星数少等问题,文中研究BDS/GPS站间单差的RTK算法模型,该模型采用二次型函数部分最小化及LAMBDA方法联合搜索模糊度。利用该模型分析BDS/GPS组合RTK的定位性能,通过短基线实测数据分析表明:站间单差RTK模型与双差模型是等价的;BDS/GPS组合系统相比于单一系统,明显提高定位的稳健性和精度,改善模糊度固定的成功率。     

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"。     

云蒙湖流域不同坡度的土壤侵蚀特征

针对定量分析土壤侵蚀在各坡度等级上的空间分布研究较少的现状,该文选用通用的土壤流失预报方程,对云蒙湖流域1986—2010年间的土壤水力侵蚀状况进行了定量的估算,以探讨不同坡度上的土壤侵蚀特征,并进一步分析了土壤侵蚀变化与人类活动的关系。分析得出:土壤侵蚀强度发生在人类活动比较频繁的区域上(8~25°坡度)更为严重;2010年比1986年强度以上所占比例在15°坡度等级上相对更低,在15°坡度等级上有所增加;云蒙湖流域主要土壤侵蚀量发生在25°坡度上;2010年比1986年耕地面积减少、林地和居民用地面积增加是土壤侵蚀降低的主要因素。     

Present-day Block Movement and Fault Activity on the Eastern Margin of the Tibetan Plateau

The geology and tectonics in the eastern margin of Tibetan Plateau are complex. The main tectonic framework is composed of blocks and faults. Using discontinuous global positioning system survey data for 2008–2014, the velocity field for the Eurasia reference framework was obtained. Based on the velocity field, the present-day velocities of the blocks and boundary faults were estimated. The results reveal that the movement rates of the Chuan-Qing, South China, Chuan-Dian and Indo-China blocks are(17.02±0.60) mm/a,(8.77±1.51) mm/a,(13.85±1.31) mm/a and(6.84 ± 0.74) mm/a, respectively, and their movement directions are 99.5°, 120.3°, 142.9° and 153.3°, respectively. All blocks exhibit clockwise rotation. The displacement rates of the Xianshuihe, Longmenshan, Anninghe, Zemuhe, Xiaojiang and Red River faults are(7.30±1.25–8.30±1.26) mm/a,(10.07±0.97–11.79±0.89) mm/a,(0.96±0.74–2.98±1.73) mm/a,(2.03±0.49–3.20±0.73) mm/a,(3.45±0.40–6.02±0.50) mm/a and(6.23±0.56) mm/a, respectively. The Xianshuihe, Anninghe, Zemuhe and Xiaojiang faults show leftlateral strike-slip movement, while the Longmenshan and Red River faults show right-lateral strikeslip. These characteristics of the blocks and faults are related to the particular tectonic location and dynamic mechanism.