AMSR-E/2观测辐射值反演水成物参数

基于先进的微波扫描辐射计AMSR-E/2观测的辐射值,利用-维变分算法(1D-Var)反演各类水成物(云水、雨水和云冰)的垂直廓线,并对其反演结果进行检验。以2014年8月台风"夏浪"为例,分两步对变分反演的云微物理参数进行了检验。首先,将反演的各类水成物含量补充到辐射传输模式的输入场,观测算子模拟的AMSR-2各通道亮温与实况观测相比非常接近,可以很好地模拟出台风外形、强度及螺旋结构。其次,将反演的水成物廓线与载在Cloud Sat上的云雷达CPR同时段观测的雷达反射率因子进行对比,发现反演出的云水、雨水含量大值区与毫米波云雷达观测的雷达反射率因子高值区一一对应,进一步说明1D-Var反演的水成物参数精度很高。然而,由于星载AMSR-E/2观测通道少且空间分辨率低,对尺度较小、较薄的云不敏感,同时对云层较厚的密闭云区和多层云区反演能力也有限。     

基于FY-3D卫星的微波与光学陆表温度融合研究

目前还没有基于国产卫星的1 km分辨率的全天候陆表温度(LST)产品,FY-3D卫星提供了中分辨率成像仪(MERSI)Ⅱ型1 km分辨率晴空LST产品与微波成像仪(MWRI)25 km全天候LST产品,因此可结合两者优势开展全天候1 km分辨率LST的融合研究。基于地理加权回归(GWR)方法,选择海拔、FY-3D归一化植被指数和归一化建筑指数等建立GWR模型对FY-3D/MWRI 25 km LST降尺度到1 km,并与MERSI 1 km LST进行融合;同时针对MWRI轨道间隙,利用前后1天融合后的云覆盖像元1 km LST进行补值,可以得到接近全天候下的1 km LST。基于以上融合算法,选择了中国区域多个典型日期FY-3D/MERSI和MWRI LST官网产品进行了融合试验,并利用公开发布的全天候1 km LST产品(TPDC LST)对FY-3D1 km LST融合结果进行了评估。研究结果表明,基于GWR法的LST降尺度方法,可以有效避免传统微波LST降尺度方法中存在的“斑块”效应和局地温度偏低等问题;LST融合结果有值率从融合前的22.4%～36.9%可提高到融合后69.3...     

Landsat 8 地表温度产品降尺度深度学习方法研究

以光谱指数为趋势面因子的降尺度方法被广泛用于遥感地表温度尺度转换中,但面临构建的光谱指数难以凸显地表温度分布规律、浅层的统计模型难以精准刻画趋势面因子与地表温度之间的复杂关系的不足。为此,本文以Landsat 8 ARD 地表温度产品为降尺度对象,以Landsat 8 OLI原始数据为潜在趋势面因子,构建地表温度降尺度残差网络（LSTDRN）的深度学习模型;探索适用于Landsat 8地表温度产品空间降尺度的趋势面波段或组合,并在不同季节、不同地表类型下与经典传统方法TsHARP进行定量比较。结果表明：LSTDRN方法利用Landsat 8 OLI原始单波段作为趋势面因子就能有较好的降尺度效果,增加潜在趋势面因子的组合数量并不能提高降尺度效果。不同地表覆盖类型实验中,LSTDRN方法降尺度效果整体优于经典传统方法,且以近红外波段、红光波段和归一化植被指数为趋势面因子时,近红外波段降尺度效果定量评价表现最佳;不同地表覆盖类型的LSTDRN降尺度效果排序为：植被>建筑>水体,而经典传统方法则没有表现出明显的差异。不同季节实验中,LSTDRN方法在春夏冬3季的降尺度效果的定量评价表现明显好于经典传统方法,两类方法的秋季降尺度结果相当。因此,提出的LSTDRN对Landsat 8遥感地表温度产品具有较好的降尺度效果,整体优于经典传统方法且稳定性更强。     

A Graph Clustering Approach to Localization for Adaptive Covariance Tuning in Data Assimilation Based on State-Observation Mapping

Mathematical Geosciences - An original graph clustering approach for the efficient localization of error covariances is proposed within an ensemble-variational data assimilation framework. Here,...     

鄂尔多斯盆地东北部砂岩型铀矿伴生矿物组合及其地质意义

特征矿物是地质作用的直接记录,研究铀矿物伴生组合类型和特征为探讨铀矿床成因提供直接信息.本文以鄂尔多斯盆地东北部杭锦旗-纳岭沟地区含铀岩系中侏罗统直罗组为研究对象,通过岩心观察、显微观察、扫描电镜和电子探针分析等,系统研究了含铀砂岩中铀矿物种类、赋存特征及典型矿物伴生组合类型,在此基础上,结合铀成矿过程中流体作用探讨了...     

基于差分进化-人工神经网络的沉积河谷地震动放大效应预测模型

探讨了基于差分进化-人工神经网络构建沉积河谷地震响应代理模型的可行性。首先建立沉积河谷对地震波散射的求解方法,以半圆形、V形沉积河谷为例,以入射波条件、沉积内外介质属性、场地形状为特征参数,以沉积河谷地震动放大系数为预测目标参数,构建数据集;其次,建立沉积河谷地震动放大效应人工神经网络、差分进化-人工神经网络算法预测模型,对比两种算法计算精度和稳定性,并进行了特征参数敏感性分析。结果表明:人工神经网络能较好地预测沉积河谷地震动放大效应,使差分进化-人工神经网络预测模型的精度和稳定性显著提高;入射波频率是影响沉积河谷地震动放大系数的主要原因,沉积内外介质密度比的影响较小。本研究结论可对地震作用下更为复杂的局部场地效应预测和评估提供参考。