天山山区水汽和云水含量的空间分布特征

利用欧洲数值预报中心(ECMWF)发布的第一代全球分辨率ERA-Interim再分析数据,分析了1979～2014年天山山区水汽含量和云水含量的空间分布特征。结果显示：(1)水汽含量的高值中心出现在伊犁河谷地区,中心值域在10—11kg m-2之间,低值区位于天山中部的巴音布鲁克附近,中心值域在5—6kg m-2之间;夏季水汽含量最丰富,在8—11kg m-2之间。(2)云液水含量的高值区出现在博格达山北坡,而云冰水含量的高值区在西天山海拔较高的托木尔峰地区,低值区均在伊犁河谷等海拔低的地区;夏季云液水含量、云冰水含量均呈减少趋势,云冰水含量较云液水减少的更为明显,下降速率为0.28kg kg-1/10a;(3)垂直分布上,云液水含量在600hpa左右的高空出现高值区,中心最大值为10kg kg-1;云冰水含量的高值区则出现在500hpa左右的高空,为11kg kg-1;在对流层大气中云冰水含量值远大于云液水,且云冰水发展的高度较云液水更高。     

青藏高原和亚洲夏季风动力学研究的新进展

亚洲夏季风环流受海陆和伊朗高原—青藏高原大地形的热力作用调控.亚洲季风所释放的巨大潜热又对大气环流形成反馈.这种相互反馈过程十分复杂,揭示其物理过程对理解气候变化格局的形成和变化以及提高天气预报及气候预测的准确率十分重要.夏季北半球副热带对流层上层环流的主要特征是存在庞大的南亚高压(SAH)以及强大的对流层上层温度暖中心(UTTM).本文介绍了温度—加热垂直梯度(T-Q_Z)理论的发展,并用以揭示SAH和UTTM的形成机制.指出沿副热带欧亚大陆东部的季风对流潜热加热及其中西部的表面感热加热和高层长波辐射冷却是导致SAH和UTTM在南亚上空发展的原因.文中还介绍了Gill模型用于上部对流层研究的局限性及解决的办法.     

SAR影像与光学影像的高斯伽玛型边缘强度特征匹配法

提出了一种基于影像边缘强度图描述的SAR影像与光学影像匹配方法。首先对影像进行粗纠正,消除影像之间的尺度和旋转变化;其次,改进相位一致性特征检测方法,提取对影像相干斑噪声稳健的特征点;然后基于高斯伽玛型双边窗口比值算子计算影像边缘强度图,在此基础上构造不变特征描述符;最后联合几何约束条件,实现SAR影像与光学影像匹配。试验结果证明,与现有方法相比,本文方法能够大幅提高SAR影像与光学影像匹配结果中的正确匹配特征数量以及影像配准精度。     

多光谱遥感影像亮度空间相位一致性特征点检测

提出了一种基于亮度空间和相位一致性理论的多光谱遥感影像特征点检测算法。首先利用参数自适应的灰度变换函数建立影像亮度空间;然后结合相位一致性方法在影像亮度空间进行候选特征点检测,并将候选特征点映射到原始影像上进行非极大值抑制;最后在尺度空间计算特征点的特征尺度值。本文方法有效结合了亮度空间特征检测和相位一致性特征检测的优势,对多光谱遥感影像的辐射变化具有较强的稳健性。试验结果证明,与传统特征点检测算法相比,本文方法在特征重复率和重复特征数量方面都具有明显的优势。     

变形监测缺失数据序列灰色建模方法探讨

在测量工作中,由于气候环境、观测方法、观测仪器以及观测人员自身因素等多方面的原因,可能造成观测数据的丢失或者不完全。文中针对这类数据的处理,采用加权平均法和三次样条插值法对缺失数据进行修复,建立GM （1,1）模型,并与非等间隔预测模型进行对比。通过两组仿真数据和两组实测数据验证发现：对于呈指数增长的序列和高增长序列修复之后建模预测精度更高;三次样条插值法数据修复后GM （1,1）建模预测精度较加权平均法预测精度更高;对于低增长序列,直接采用非等间隔建模预测精度更高。     

体素模型的战场环境建模研究

针对基于面模型的战场环境建模难以展现战场环境要素的内部属性和规律等的不足,该文提出了利用体素模型实现战场环境建模的基本方法。该方法能够记录战场环境各要素的不同属性,反映其内部属性和规律,准确地模拟战场地理环境的变换过程,可实现战场环境各要素的统一建模。文章利用体素模型实现了对战场环境的认知与抽象,对战场环境体素数据模型进行了分类。最后以战场地形环境要素为例,利用战场环境基本体元实现了对战场地形环境的体素建模。     

三重加权变形监测预测模型及应用

针对GM(1,1)建模过程存在背景值、时间因素和初始条件3方面的不足,该文提出三重加权TPGM(1,1)预测模型。通过对背景值进行加权生成新的背景值,建立PGM(1,1)模型;在PGM(1,1)基础上考虑到时间因素,在求解灰参数时进行第2次加权建立DPGM(1,1)模型;最后考虑到初始条件对预测模型的影响,在DPGM(1,1)基础上进行第3次加权,建立TPGM(1,1)模型。通过实例分析,比较GM(1,1)、PGM(1,1)、DPGM(1,1)、TPGM(1,1)4种模型在变形监测数据处理中的拟合和预测结果,表明三重加权TPGM(1,1)模型拟合效果更好、预测精度更高;该模型具有前3种模型的优点,同时弥补了传统GM(1,1)存在的不足。     

局部均值分解与支持向量回归的大坝变形预测

针对现有变形预测方法对于大坝变形的预测效果不理想的问题,该文利用局部均值分解方法获取生产函数分量并进行支持向量回归建模,用此方法对大坝变形进行多尺度分析。通过局部均值分解对大坝变形序列进行分解得到其乘积函数分量,然后利用支持向量机回归进行外推预测,再把各乘积函数分量的预测结果进行叠加重构生成,进而获得大坝变形预测值。通过实例分析,比较GM(1,1)、支持向量机和该文方法3种模型在变形监测数据处理中的拟合和预测结果,表明该文方法充分发掘数据本身所蕴含的物理机制和物理规律,提高了大坝变形多尺度预测精度。     

川西江浪穹窿煌斑岩地球化学特征及锆石U-Pb定年

为精确厘定川西江浪穹窿煌斑岩的形成时代并探讨其成因,对其进行了LA-ICP-MS锆石U-Pb定年及岩石地球化学研究。结果表明,煌斑岩中发育大量2784~604Ma的捕获锆石,最年轻一组岩浆锆石206Pb/238U加权平均年龄为29.85±0.35Ma。岩石地球化学分析显示,煌斑岩具有较低的Si O2含量(47.66%~50.93%)及高的K2O含量(4.98%~6.77%)、(Th/Ta)PM值(14.7~17.6)、(La/Nb)PM值(9.69~13.0),富集轻稀土和大离子亲石元素(如Rb、Sr、Ba和U),亏损高场强元素(如Nb、Ta和Ti)。综合前人研究成果,认为煌斑岩结晶年龄为~30Ma,形成于印度-亚洲大陆后碰撞伸展背景下的板内岩浆作用,且基性岩浆上升过程中明显遭受地壳物质混染。煌斑岩与雅砻江断裂具有密切的时空联系,暗示区内发育的新生代走滑断裂体系可能为岩浆侵位提供了通道。此外,两粒207Pb/206Pb年龄为2784Ma与2439Ma的锆石表明江浪穹窿很可能存在太古宙-古元古代变质基底。     

Regional debris flow susceptibility analysis based on principal component analysis and self-organizing map: a case study in Southwest China

A method was developed to analyze the susceptibilities of 541 regional basins affected by debris flows at the Wudongde Dam site in southwest China. Determining susceptibility requires information on source material quantity and occurrence frequency. However, the large number of debris flows can hinder the individual field investigation in a each small basin. Factors that may trigger debris flows can be identified using remotely sensed interpretation information. Susceptibility analysis can then be conducted based on these factors. In this study, SPOT5 satellite imagery, digital elevation models (DEM), a lithology distribution map, and rainfall monitoring data were used to identify 12 debris flow trigger factors: basin relief ratio, slope gradient in the initiation zone, drainage density, downslope curvature of the main channel, vegetation coverage, main channel aspect, topographic wetness index, Melton’s ruggedness number, lithology, annual rainfall, form factor, and cross-slope curvature of the transportation zone. Principal component analysis was used to obtain the eight principal components of these factors that contribute to susceptibility results. Then, a self-organizing map method was adopted to analyze the principal components, which resulted in a debris flow susceptibility classification. Field validation of 26 debris flow basins was used to evaluate the errors of the susceptibility classification, as well as assess the causes of such errors. The study found that principle component analysis and self-organizing map methodologies are good predictors of basin susceptibility to debris flows.