海洋防灾减灾信息共享的现状、问题和对策

为加快海洋防灾减灾信息共享,有力支撑海洋防灾减灾决策,文章概述我国海洋防灾减灾信息共享现状,分析存在的体制机制问题,并提出对策建议。研究结果表明;我国海洋防灾减灾工作的信息支撑主要包括海洋和气象观测监测信息、海洋预报信息、海洋防灾减灾对象及其主体信息以及救灾措施和政策法规信息,通过全国海洋科学数据共享平台等实现信息共享;针对目前海洋防灾减灾信息共享在组织领导机构、统筹规划协调、标准规范和技术支撑、服务意识以及专业人才等体制机制方面存在的不足,亟须组建信息管理机构、构建标准规范体系、开发信息共享平台、提高共享服务意识、培养专业技术队伍和实施考核激励办法。     

用于海底目标识别与底质分类的多波束水体波形预处理

多波束水体数据是多波束系统获取的最原始数据,记录了波束从发射到接收整个过程全部的反向散射强度信息,可以为目标识别、水下栖息环境探测等提供重要的数据支撑.目前,针对多波束水体强度时间序列所表现的波形信息的处理及研究仍处于起步阶段,另外水体波形数据易受噪声影响,且存在明显的入射角效应问题,对此,本文提出了一种基于分区异构的...     

城市全空间三维模型数据一体化集成管理关键技术及应用

随着城市三维地质信息系统及其应用的快速发展,对地学数据的可视化表达精度的需求变得越来越高,但地质调查数据常具有多源、多维、海量、多专题、多尺度和多时态等特征,而三维数据存储、组织与管理己成为制约其发展的重要因素。因此如何高效管理并有效利用这些复杂且海量的地质数据去解决各种复杂的地质问题服务社会,成为了城市地质信息科学领域研究的热门方向。基于武汉市多要素城市地质调查全空间一张图的构建过程,从多源三维模型一体化融合管理与分布式存储、轻量级全空间三维模型构建、多源异构海量三维数据快速渲染和浏览器端三维模型分析及专业应用4个方面系统地探索了城市地质调查全空间一张图系统建设过程中的关键技术,并进行了应用实践。研究结果实现了城市级大规模高精度三维地质模型的高效集成,提高了多要素城市地质调查成果可视化的表达效果,为三维地质模型的应用奠定了坚实的基础。     

文安地震台FHD质子磁力仪噪声干扰分析

文安台FHD-2B质子磁力仪噪声值在2020—2021年出现地磁F分量观测数据噪声偏大。其噪声与环境温度存在高相关性,表现为冬季噪声大,夏季噪声小的现象。我们依次对磁房周围环境、供电电压、接地电阻、供电线路是否漏电、探头是否漏油、工频干扰等进行排查,未能发现明显干扰源。通过研究FHD质子磁力仪的原理发现,FHD质子磁力仪的配谐电容C容量会随温度变化,温度低时容量小,温度高时容量大。配谐电容C容量变化会影响振荡回路中心频率f₀,导致噪声增大。由于文安台FHD质子磁力仪噪声与温度有关联,我们推测FHD噪声增大可能与仪器配谐电容C容量变化有关。通过调节探头电感量L可修正配谐电容容量变化对回路中心频率f₀的影响。经多次实验,精细调整探头电感量L,当选定34.4 mH为探头电感量值时,发现地磁F分量的噪声值明显下降,数据曲线变光滑,噪声干扰排除。     

张衡一号电磁卫星在轨情况及主要的科学成果

张衡一号电磁卫星是中国地震立体观测体系的天基观测平台,其科学目标是获取全球电磁场、电离层等离子体、高能粒子数据,对中国及其周边开展电离层动态实时监测和地震前兆跟踪,弥补地面观测的不足,探索地震监测预测新途径.张衡一号电磁卫星系列的第一颗试验卫星于2018年2月成功发射,现已在轨稳定运行4年多;第二颗同类电磁卫星将于2023年6月左右发射.在轨测试、交叉定标工作表明张衡一号电磁卫星具备良好数据质量.在科学产出方面,张衡一号卫星全球地磁场参考模型是全球地磁场参考模型（IGRF）构建一个多世纪以来,唯一由中国科学家牵头且唯一采用中国数据制作的全球地磁场参考模型;基于张衡一号的电离层电子密度3D模型很好地重现了电离层结构特征;张衡一号电磁卫星在地震等自然灾害、空间天气事件监测方面显示出了良好的响应能力;在圈层耦合机理方面,关于地震电磁波跨圈层传播全波计算方法能够计算出岩石圈-电离层波导及电离层中的电磁场变化,证实了张衡一号卫星电磁场载荷探测地震低频电磁异常的能力.张衡一号卫星能够反映岩石圈的地震、甚低频发射站、岩石圈磁异常、大气层的闪电等活动.科学研究结果表明张衡一号电磁卫星与其它观测结果一致...     

数据同化在海洋生态模型中的应用和研究进展

将数据同化方法引入海洋生态系统动力学模型研究,利用现有的观测数据,获得最佳的模式参数、初始场或提高状态模拟,是当前多学科交叉研究的热门领域。本文依据国内外研究进展,主要就海洋生态模型研究中所采用的变分伴随、卡尔曼滤波、模拟退火法方法进行了介绍,总结了数据同化在我国的海洋生态系统研究中的现状和发展趋势。     

考虑预报偏差的迭代式集合卡尔曼滤波在地下水水流数据同化中的应用

集合卡尔曼滤波（Ensemble Kalman Filter,EnKF）方法已广泛应用于地下水水流和污染物运移模拟相关问题的求解。但前人研究多建立在同化系统预报模型是准确的基础上,忽视了模型概化的不确定性。当模型概化不准确时,将导致预报偏差,可能带来错误的系统估计。因此,文章提出考虑模型预报偏差的迭代式集合卡尔曼滤波（Bias aware Ensemble Kalman Filter with Confirming Option,Bias-CEnKF）方法。以地下水水流数据同化为例,研究模型概化存在不确定条件下,边界条件、初始条件、源汇项概化不准确时新方法的有效性。结果表明,当预报模型概化不准确时,使用标准EnKF方法进行数据同化,可能会导致滤波发散,造成同化失败。Bias-CEnKF方法不仅保留了较好的同化性能,同时减小了参数、变量、偏差项非线性关系带来的不一致性。针对文章中4种情景,Bias-CEnKF同化获得的含水层渗透系数场以及水头场均接近真实场,且预报结果可靠。本研究进一步提升了模型概化不确定时EnKF方法的适用性,为实际野外复杂条件下地下水水流数据同化问题提供了可靠的方法。     

基于多传感器遥感数据和改进的单类随机森林的滑坡提取

提出一种利用面向对象多特征和改进的单类随机森林分类器（improved one-class random forest classifier,iOCRF）从多传感器遥感数据提取滑坡的新方法。从两时相高分辨率多光谱图像和中分辨率数字高程模型（DEM）数据中提取的图像对象多特征,来定量表达滑坡引起地表变化和滑坡区地形特征,利用iOCRF对所有特征图像进行分类以提取滑坡。据研究区两时相高分辨多光谱图像和30 m分辨率的ASTER全球DEM数据对提出的方法进行评价。结果表明,所提出方法的提取精度优于只利用部分特征提取和利用传统随机森林的提取精度;利用iOCRF计算不同特征的重要性,并分析不同特征对滑坡提取的贡献。     

Impact of 4DVAR assimilation of rainfall data on the simulation of mesoscale precipitation systems in a mei-yu heavy rainfall event

The multi-scale weather systems associated with a mei-yu front and the corresponding heavy precipitation during a particular heavy rainfall event that occurred on 4 5 July 2003 in east China were successfully simulated through rainfall assimilation using the PSU/NCAR non-hydrostatic, mesoscale, numerical model （MM5） and its four-dimensional, variational, data assimilation （4DVAR） system. For this case, the improvement of the process via the 4DVAR rainfall assimilation into the simulation of mesoscale precipitation systems is investigated. With the rainfall assimilation, the convection is triggered at the right location and time, and the evolution and spatial distribution of the mesoscale convective systems （MCSs） are also more correctly simulated. Through the interactions between MCSs and the weather systems at different scales, including the low-level jet and mei-yu front, the simulation of the entire mei-yu weather system is significantly improved, both during the data assimilation window and the subsequent 12-h period. The results suggest that the rainfall assimilation first provides positive impact at the convective scale and the influences are then propagated upscale to the meso- and sub-synoptic scales.
Through a set of sensitive experiments designed to evaluate the impact of different initial variables on the simulation of mei-yu heavy rainfall, it was found that the moisture field and meridional wind had the strongest effect during the convection initialization stage, however, after the convection was fully triggered, all of the variables at the initial condition seemed to have comparable importance.     

基于遥感数据和表层声速的全海深声速剖面反演

海洋声速剖面严重影响着水下声传播特性,近实时地获取声速剖面对水下声通信、水下定位、鱼群探测等都有重要意义。单经验正交函数回归（single Empirical Orthogonal Function regression,sEOF-r）方法通过建立声速剖面的经验正交系数与海面遥感数据之间的线性回归关系来反演声速剖面。但是,海洋是一个复杂的动力系统,声速与海面遥感数据并不是简单的线性关系,因此,本文基于Argo历史网格数据,通过自组织映射（Self-Organizing Map,SOM）生成海平面高度异常（Sea Level Anomaly,SLA）、海表面温度（Sea Surface Temperature,SST）等海表遥感数据以及表层声速仪测量的表层声速与声速剖面异常之间的非线性映射;然后利用近实时的海表遥感数据和表层声速反演三维海洋声速场。声速剖面反演的结果表明,在多源信息融合的优势下,本文方法的反演性能最稳定且精度最高,声速剖面的平均反演精度比经典sEOF-r方法提高约2 m/s,比未考虑表层声速的经典SOM方法提高约1 m/s。