改进的高光谱解混初始化方法及其适用性分析

高光谱影像中存在大量的混合像元,极大地限制了高光谱影像的定量应用,高效且精准地进行像元解混尤为重要。端元矩阵的初始化、算法本身的代价函数及其迭代规则,三者的不同往往会导致获取的最终端元光谱和端元丰度的不同。在不同条件下,选取适当的初始化方法、代价函数和迭代规则,使得高光谱解混结果更优尤为重要。本文改进了一种基于欧氏距离和光谱信息散度的分块初始化方法(IBISS),改进后方法在中低信噪比情况下优于其他初始化方法。同时针对初始化、算法本身这两个方面进行大量试验,结果表明:①分块初始化优于全局初始化;②梯度迭代NMF算法相比于乘性迭代NMF算法,具有更快的收敛速度,但容易陷入局部最小值;③乘性迭代分块NMF算法相比于乘性迭代标准NMF算法能够获取更好的端元丰度信息;④梯度迭代分块NMF算法不适用于随机初始化后的光谱解混过程。     

国家气象中心台风数值预报系统的发展

回顾了自"八五"科技攻关以来国家气象中心台风数值预报业务系统的发展历程,包括我国第一代区域模式台风数值预报系统、全球谱模式台风数值预报系统以及中国气象局自主发展的GRAPES全球模式及区域台风数值预报系统。比较不同时期台风数值预报系统的关键技术特征和预报性能,重点介绍GRAPES区域台风模式的主要技术成果,并对国家级台风数值预报系统未来5年的发展进行展望。     

多水平集演化的高分辨率遥感影像分割

提出多水平集演化的非监督高分辨率影像分割模型,避免传统多水平集方法中的区域重叠问题。提出新的水平集函数重初始化技术加快曲线演化,该模型缓解面向像元分割中的“椒盐效应”及面向对象分割中尺度选择不佳造成的过/欠分割现象。     

空间数据问题与GIS发展的思考

讨论了GIS空间数据的几个理论问题:空间数据概念的完整性,空间数据量,面向多维空间、动态分析的空间数据结构,以及GIS空间数据的初始化和空间尺度等;深入探讨GIS在解决这些问题时所面临的困惑,并在分析了GIS所需的空间数据基础上定义了位、邻、近、势4类空间关系数据,由此探讨了地图代数作为一种解决思路的可行性及其若干特点。     

中尺度模式湿物理过程和物理初始化方法

文章评述了中尺度模式中湿物理过程，特别是显式云降水方案和物理初始化方法研究的最新动态，分析了显式云降水方案的优势和应用潜力。     

对流尺度数值预报中的云物理初始化方法改进及个例试验

通过在云初始化方案中增加由地表感热和潜热通量确定的对流尺度速度作为对流判据,同时增加层云云冰、云水计算方案,改进云分析方法,并基于第2代华东快速更新循环同化模式预报系统,针对2015年4月28日华东强对流个例,进行对比试验,分析了改进的云初始化方案对云分析结果和模式预报效果的影响。试验表明:在云分析中增加对流判据,使得平均40%左右的云分析格点判定为非对流格点,对流格点分布与正的感热通量分布相似,在陆地上有显著日变化。在对流和层云格点判定之后,增加层云云冰、云水计算方案分析层云格点,显著地减小了模式初始场的云冰、云水混合比,有效地减弱了模式积分初始阶段云冰、云水含量的剧烈调整,尤其是在陆地区域。采用改进的云初始化方案进行预报,可以减少模式前1 h和前6 h的降水强度;尤其在个例的循环试验中,强降水中心强度和面积的预报比原方案显著减弱。      

长沙市连续运行参考站系统性能测试与数据分析

对长沙市连续运行参考站整个系统的性能进行了测试,并对测试数据进行了分析,给予了客观的评价。     

一种基于分析增量更新技术的台风初始化方案

台风初始化方案最大的困难在于其只能根据有限的观测资料（台风中心位置、最低气压、最大风速和大风半径等）来构造一个与模式动力-物理过程协调的涡旋模型。首先根据实际观测资料对背景场中的涡旋扰动进行重定位和风速调整,然后将分析增量更新（Incremental Analysis Update,IAU）技术应用于台风初始化方案中,将调整后的涡旋当作一个强迫项逐渐加入到模式预报过程中,通过模式自身调整来得到一个协调性较好的台风初始结构,从而改善模式对台风的预报性能。对“山竹”台风的多次预报结果表明:（1）台风初始化对于台风路径误差影响较小,对于强度预报改进则比较明显。特别是在台风生成初期,台风初始化技术能够有效地增强全球模式分析场中的涡旋强度,并解决预报过程中强度较弱的问题。（2）根据预先给定的三维风场,IAU技术能通过模式自身预报过程对其他变量进行调整,从而得到一个热力和动力协调的初始涡旋结构。相对于仅对初始风场的调整,它对24 h之后的路径和强度预报误差会有更进一步的改善。（3）对IAU中的松弛时间进行参数敏感性试验,发现该变量取3—6 h效果较好。      

涡旋强度调整半径对2016年第18号热带气旋路径预报的影响

2016年中国国家气象中心区域台风模式（GRAPES_TYM）对第18号热带气旋（记为TC 1618）的路径预报出现了较大的误差:其平均路径误差显著大于全年的平均误差。分析了涡旋初始化方案（包括涡旋重定位以及涡旋强度调整）对其路径预报的影响。结果显示,涡旋强度调整是造成TC1618预报路径平均误差偏大的主要原因。不同的强度调整半径（r₀=12°,9°,6°,3°）对TC1618路径影响的敏感性试验结果显示,强度调整半径越大,其平均路径预报误差越大。500 hPa副热带高压以及平均海平面涡旋尺度分析发现:较大的强度调整半径（r₀=12°,9°）其初始时刻的涡旋尺度较大,涡旋北侧邻近区域副热带高压等值线相对偏北,副热带高压相对偏弱。尺度大的涡旋其北移速度较大,并且在积分过程中其环流邻近区域副热带高压进一步减弱,导致涡旋环流会更早与其西北侧东移的西风槽结合,移速偏快。      

A Relocation-based Initialization Scheme to Improve Track-forecasting of Tropical Cyclones简

A relocation procedure to initialize tropical cyclones was developed to improve the representation of the initial conditions and the track forecast for Panasonic Weather Solutions Tropical Operational Forecasts. This scheme separates the vortex perturbation and environment field from the first guess, then relocates the initial vortex perturbations to Lhe observed position by merging them with the environment field. The relationships of wind vector components with stream function and velocity potential are used for separating the vortex disturbance from first guess. For the separation of scalars, a low-pass Barnes filter is employed. The irregular-shaped relocation area corresponding to the specific initial conditions is determined by mapping the edge of the vortex radius in 36 directions.Then, the non-vortex perturbations in the relocation area are removed by a two-pass Barnes filter to retain the vortex perturbations, while the variable fields outside the perimeter of the modified vortex are kept ide.ntical to the original first guess. The potential impacts of this scheme on track forecasts were examined for three hurricane cases in the 2011-12 hurricane season. The experimental results demonstrate that the initialization scheme is able to effectively separate the vortex field from the environment field and maintain a relatively balanced and accurate relocated first guess. As the initial track error is reduced, the following track forecasts are considerably improved. The 72-h average track forecast error was redu,~ed by 32.6% for the cold-start cases, and by 38.4% when using the full-cycling data assimilation because of the accumulatedL improvements from the initialization scheme.