1998年夏季青藏高原上东移MCS环境场特征的聚类分析

在对夏季青藏高原上中尺度对流系统(MCS)进行自动追踪的基础上,利用环境物理量场数值格点预报资料(HLAFS),运用空间聚类中的CLARANS法对东移出高原的MCS环境场进行了挖掘和分析,获得了在青藏高原地区大气低层MCS热力场(温度场、湿度场和水汽通量散度场)和动力场(涡度场、散度场和垂直速度场)的空间分布特征,从而揭示了有利于MCS形成、发展和东移出高原的动力和热力学条件。MCS环境场中的散度场、垂直速度场以及水汽通量散度场空间分布特征的变化是MCS发展、演变的重要影响因素,这为夏季青藏高原上MCS发生、发展的动力及热力学机制的研究,以及高原上MCS移动路径的预测提供了一种全新而有效的方法。     

瓮福磷矿棉花冲勘查区成矿环境分析及找矿意义

本文通过瓮福磷矿西部的棉花冲地区(原大寨矿段)近年来的勘查成果资料与瓮福磷矿已有勘查资料对比分析,从西部地区含矿地段与无矿地段岩性组合差异研究,分析西部地区成矿环境,预测西部可能成矿区域,对区内磷矿后续延伸找矿具有一定的指导意义。     

黔中地区铝土矿基本特征及成矿模式探讨

通过对黔中基础地质及典型矿床研究,本文对该区铝土矿床基本地质特征及成矿进行总结、分析,探讨了成矿模式。黔中铝土矿最后定位于筑-织淡化泻湖环境,黔北古陆与广顺古岛围限形成的半局限盆地、泻湖区为铝土矿的形成提供了沉积环境条件。     

空间聚类在MCS动力场特征分析中的应用

空间聚类作为数据挖掘的关键技术之一,是一种能从大型数据集中提取和挖掘空间数据分布特征的有效方法。本文利用环境物理量场数值格点预报值,运用空间聚类中的CLAR-ANS法对夏季影响青藏高原上中尺度对流系统(MCS)东移的动力场(涡度场、散度场和垂直速度场)的空间分布特征进行了分析。研究发现,在青藏高原地区的大气低层,MCS中心位置的西侧存在着强辐合中心和垂直上升中心,加之向东的正涡度平流的共同作用构成了有利于MCS发展和东移传播的重要动力学条件。这不仅有助于深入对夏季青藏高原上MCS发生、发展的动力学机制的了解,而且对于提高暴雨和强对流天气的预报能力具有重要的现实意义。     

空间数据挖掘技术

近年来，伴随着空间信息获取技术的快速发展，不同类型的空间数据库以及数据库中的数据量正在不断增长，如何从这些海量数据中提取出隐含的信息和知识已成为人们研究的热点。空间数据挖掘就是为了解决这一科学问题而提出的。该文在回顾已有空间数据挖掘规则的基础上。指出了空间数据挖掘过程中存在的主要问题，进而探讨了未来空间数据挖掘的主要研究方向。     

影响中尺度对流系统移动的知识发现

空间数据挖掘是近年来迅速发展起来的面向应用的新技术。运用1998年夏季日本静止气象卫星(GMS) 探测反演出的红外辐射亮温资料和国家卫星气象中心高分辨率有限区域分析预报系统产品中的数值格点预报资料 (HLAFS) 对青藏高原上的中尺度对流系统 (MCS) 进行了自动追踪。在此基础上,运用空间关联规则研究了移出高原的MCS与其环境场之间的关系,结果表明, 在400 hPa这一层次,等压面高度、相对湿度、涡度、散度、垂直速度这5 个物理量是影响其移出高原的主要因子;而在500 hPa 层次,移出高原的MCS与等压面高度、相对湿度、温度、垂直速度和K指数关系密切。     

Predict typhoon-induced storm surge deviation in a principal component back-propagation neural network model

To reduce typhoon-caused damages, numerical and empirical methods are often used to forecast typhoon storm surge. However, typhoon surge is a complex nonlinear process that is difficult to forecast accurately. We applied a principal component back-propagation neural network (PCBPNN) to predict the deviation in typhoon storm surge, in which data of the typhoon, upstream flood, and historical case studies were involved. With principal component analysis, 15 input factors were reduced to five principal components, and the application of the model was improved. Observation data from Huangpu Park in Shanghai, China were used to test the feasibility of the model. The results indicate that the model is capable of predicting a 12-hour warning before a typhoon surge.