一种基于标记分水岭的高分辨率遥感影像分割方法

为避免分水岭分割高分影像的过分割现象并充分利用高分影像的特点,该文提出一种基于标记的分水岭分割方法,即基于影像先验知识指导分割的原则,对遥感影像进行各向异性扩散平滑滤波后,计算生成融合了光谱和纹理特征的梯度图像;从梯度图像中提取标记重建对象的边缘特征,并执行基于标记的分水岭变换,得到最终的分割结果.实验表明,该方法能够充分利用高分影像的特征信息,并能有效地抑制分水岭过分割现象.     

高空报文传输常见问题及处理方法

对全国三年来高空传输报文情况进行分析,指出报文传输过程中常见出错环节及问题,提出处理方法及应对措施,为高空气象业务观测员提供实用参考经验,确保报文传输的准确性和时效性,达到提高高空气象业务质量的目的。     

陆面气温资料的一种推广三维变分同化方法及其在简化情形的检验

发展了一种同化窗口为1个月的陆面气温推广三维变分资料同化方法,并建立了逐日资料到月平均资料的观测算子.作为对该同化方法的初步检验,以2000年1月中国陆地区域时间分辨率低、空间分辨率较高且在高原地区与台站观测资料比较接近的CRU(Climate Research Unit)月平均陆面气温资料作为观测,以时间分辨率高、空间分辨率较低且在高原地区与台站资料有较大误差的NCEP逐日气温资料作为背景场,采用背景误差协方差矩阵(简称B矩阵)的两种简化对角形式进行同化试验,得到高时空分辨率的格点陆面气温分析场,并进行对比分析和均方根误差检验.结果显示,由两种简化形式得到的逐日资料和月平均资料的质量均得到改善,在我国东南和中部大部分地区与台站观测基本一致,在青藏高原、新疆等台站稀疏地区与地形对应良好,为M-SDGVM模型或其他陆面过程模式高质量陆面气象驱动场的准备提供了一种新的手段.尤其在B矩阵中考虑了方差逐日变化的简化形式所得到的分析场整体上要优于不考虑的,这为最终在B矩阵中考虑协方差(即对推广三维变分同化不作简化)进一步改进同化效果打下了基础.     

RegCM3模式对青藏高原温度和降水的模拟及检验

为了检验RegCM3区域气候模式对青藏高原地区的模拟能力,利用NCEP再分析资料和观测站点资料,采用三种不同的对流参数化方案,对青藏高原地区2006年夏季进行了模拟分析,并重点对温度和降水进行了细致的检验。结果表明：模式能较好地再现青藏高原地区大尺度的环流特征,具有对青藏高原地区的温度和降水分布特征的模拟能力;对于量值的模拟,三种对流参数化方案均模拟出了与实况温度一致的变化趋势,但均存在5~6 ℃的冷偏差;Grell方案模拟的降水量均大于实况,Kuo-Anthes方案对于高原地区的降水量的模拟较为接近于实况,但模式对降水量的模拟能力仍有待进一步提高。     

陕西省电线积冰特征

选用陕西省宝鸡、华山、洛川、吴旗、榆林5站1980—2005年电线积冰观测资料, 分析了陕西省雨凇、雾凇及混合凇的分布特征与物理特性。结果表明:陕西省华山电线积冰最多、最大、最重。电线积冰以雨凇最多, 雾凇次之, 混合凇最少, 分别占55.2%, 27.9%和16.9%。各地积冰日多出现在11月至次年3月。雨凇、雾凇、混合凇的平均等效直径为10~25 mm, 极大值为78 mm; 平均质量为86~236 g/m; 华山积冰质量极值最大, 为1290 g/m; 积冰平均密度为0.22~0.34 g/cm 3, 混合凇最大, 雾凇最小。南北向等效直径的平均值、积冰质量、密度均大于东西向。近26年, 年最大积冰质量有增加的趋势。     

两类不同月平均气温空间推算方法的对比

利用全国660个常规气象站40年(1961-2000年)整编气象资料.采用逆距离权重反比法、样条函数法和普通克立格法等常用的3种插值方法,分析了直接插值法和综合余项法对气温插值的影响,提出了去除气温形成中的确定性部分后,以随机项进行插值可提高气温插值精度。并从空间上、时间上对比眲不同插值方法的误差,最后分析了气象站的空间分布密度对插值方法的敏感性。验证结果表明:除个别月份外,综合余项法的各项平均绝对误差均在1℃以内,比直接插值法减小了0.6～1.6℃,精度提高了38%～85%;且综合余项法的精度不依赖于台站密度的大小、插值方法的不同,具有较高的精确性和稳定性,这说明影响空间插值精度的关键因子并非是气象观测站点密度的提高、空问插值方法的改进。     

全国大部气温偏高 大雾暴雪影响严重——2007年12月——

2007年12月,全国平均气温为-2.3℃,较常年同期偏高1.6℃,为1951年以来历史同期第一高,其中,四川、海南、广东、云南12月平均气温均为1951年以来历史同期次高值;全国平均降水量为10.6mm,较常年同期略偏多。月内,江南、华南等地出现的严重秋旱连初冬旱在下旬得到一定程度的缓解;我国中东部地区出现了大范围大雾天气;下旬后期全国出现大范围大风强降温天气,东北部分地区出现大到暴雪。     

北方草地生态气象综合监测预测技术及其应

近几十年来中国90%以上的草地出现退化现象,特别是内蒙古、宁夏、甘肃、新疆、青海、西藏等地区,草地退化严重,国家急需掌握气象条件对草地植被生长的影响,了解草地生产力、牲畜承载力以及生态质量状况.为此,在实时获取北方草地气温、降水量、日照时数等气象要素和气象卫星植被指数以及产草量观测资料的基础上,应用模糊数学、集合运算、统计分析等多种方法和"3S"手段,建立了北方草地植被生长气象条件优劣评价、产草量和载畜量预测、草地生态质量监测等模型.2005年以来,利用这些模型逐年评价了气象条件对草地植被生长的优劣影响、预测产草量和载畜量、监测草地生态质量优劣,获得了良好的服务效益.北方草地2007年生态气象监测预测结果表明:所建模型综合了多种资料和技术优势,结果符合实际;形成的综合监测预测技术可为国家保护和恢复草地生态环境提供科学依据.     

海南GPS网探测对流层水汽廓线的试验研究

介绍了2005年11月在海南地区进行的一次地基GPS小网观测试验。试验目的是研究利用组网的GPS倾斜路径观测进行对流层水汽层析反演, 给出站点上空水汽的垂直廓线结构信息。概述了试验中GPS原始数据处理方法以及层析反演的方法。将GPS层析得到的水汽垂直廓线与海口站探空观测的水汽廓线进行了对比, 结果表明:二者一致性较好, 均方根误差在0.5g·m-3左右, 层析结果较好地反映出试验期间水汽减少、大气变干的过程。另外, 采用3种不同的先验信息方案测试分析了GPS层析的结果, 表明GPS观测量对水汽先验信息有明显的调整作用。并对GPS水汽层析中可能存在的问题进行了讨论。试验证明高时间分辨率的GPS观测有能力层析出GPS测站上空水汽的廓线信息。     

Repeating microlensing events in the OGLE data

Microlensing events are usually selected among single-peaked non-repeating light curves in order to avoid confusion with variable stars. However, a microlensing event may exhibit a second microlensing brightening episode when the source or/and the lens is a binary system. A careful analysis of these repeating events provides an independent way to study the statistics of wide binary stars and to detect extrasolar planets. Previous theoretical studies predicted that 0.5–2 per cent of events should repeat due to wide binary lenses. We present a systematic search for such events in about 4000 light curves of microlensing candidates detected by the Optical Gravitational Lensing Experiment (OGLE) towards the Galactic bulge from 1992 to 2007. The search reveals a total of 19 repeating candidates, with six clearly due to a wide binary lens. As a by-product, we find that 64 events (∼2 per cent of the total OGLE-III sample) have been misclassified as microlensing; these misclassified events are mostly nova or other types of eruptive stars. The number and importance of repeating events will increase considerably when the next-generation wide-field microlensing experiments become fully operational in the future.