一种基于多物理量阈值定义的热带气旋生成预报方法及在ECMWF全球模式中的应用验证

对于热带气旋的路径与强度预测,数值天气预报模式提供了相当有用的参考或指导预报。为进一步了解数值模式对掌握热带气旋生成的特性,基于近年国内外对热带气旋生成预报的研究结果,构造了一套热带气旋生成的多阈值组合判据系统,并利用该判据和ECMWF模式资料对2013—2015年于西太平洋海域生成的热带气旋进行了预报试验。结果表明,对于热带气旋生成的判据,使用不同百分位的历史统计阈值会对预报效果造成显著影响。在特定区间对某个物理量阈值进行合理的调整可以有效改善预报效果。在西太平洋海区,850 hPa相对涡度阈值的微幅调整对结果的影响最为敏感。最优阈值组合方案的预报命中率检验结果表明,在数值模式起报时间为低压生成时间的前12~72小时时效曲线上,24和48小时时效是拐点,24小时时效之前,命中率基本维持在0.7以上的高位,随预报时间的降幅很小;之后预报质量陡降,48小时时效后预报效果趋向稳定。此外,不同年份的预报效果存在明显差异。在西太平洋不同海域,ECMWF模式对热带气旋的生成预报质量差异明显。菲律宾以东的洋面在不同起报时间的预报能力明显高于南海海域。西太平洋海区存在两个明显的高错报率区域:一个位于南海中、北部至菲律宾群岛近海,一个位于西太平洋中部。在不同大洋之间,ECMWF模式的热带气旋生成预报性能也存在显著分别。起报时间在热带气旋生成前24小时内,西太平洋海区对热带气旋生成的预报要明显优于大西洋海区。     

1998-2009年间台风不活跃期间热带云团活动分析

热带云团是台风生成的前兆,虽然一些研究将近20 a来台风不活跃与大尺度环境场相联系,但是还没有人分析台风不活跃期热带云团的活动特点。本文利用目前仅有的1989-2009年全球热带云团资料,分析了西北太平洋热带云团近20 a的变化特征。1998年以后西北太平洋台风生成减少主要发生在7-10月,集中在南海（13～23°N,110～120°E）和西北太平洋台风活动区域的东部（13～23°N,145～170°E）。热带云团除1月外各月都有增加的趋势,特别是与台风生成显著减少区域相联系的热带云团活动具有显著的增加趋势。通过对NCEP/NCAR再分析资料分析发现,1998年后热带云团活动增加与环境风垂直切变增加有关,而增强的垂直切变不利于台风生成。     

FDR土壤水分传感器原状土壤标定方法研究

为获得测站准确的土壤水分传感器标定参数,利用自动土壤水分站点的大型原状土壤为样本,在实验室同时进行人工称重观测和仪器自动对比观测,得到一系列的人工自动测量数据,以人工称重数据为准对自动土壤水分传感器进行订正。由于采用原状土壤,样本土壤的质地、密度、土壤颗粒和结合紧密度基本没有受到破坏,订正后的自动土壤体积含水量值能更加真实反映台站实际土壤墒情,能够修订人工对比观测期间由于样本空间不足导致的不合理的田间标定方程。     

基于EasyOrtho的高分二号卫星批量数据自动处理试验

随着遥感数据的广泛应用,遥感应用行业对亚米级遥感影像数据的处理速度和处理精度有了更高的要求。文章以黑龙江省鹤岗市兴安区作为试验区,基于EasyOrtho软件,对高分二号卫星数据进行批量快速自动处理,生成正射影像图;并与人工处理成果进行对比,分析该方法的可行性,提出合理化建议。     

煤矿地质成图中多边形快速生成算法

针对煤矿地质成图中左转算法生成多边形在复杂的二维图形条件下应用效率低的问题,该文提出了一种新的基于左转算法的多边形快速选取及自动生成算法,实现了2D图形环境中多边形的快速选取及自动生成。通过在进行多边形选取时的起始点,起始方向的选择和对悬挂点、线进行处理,解决了复杂图形下多边形选取及自动生成过程中存在的重复生成、效率低下和搜索回退问题。基于GeoMS3D实现该算法,实验结果表明:该算法逻辑简单、结构清晰,在实际的应用中表现出了较高的运算效率。     

基于FeatureStation的地理国情地表覆盖解译方案研究

分析了FeatureStation用于地理国情要素提取与解译的技术路线,并提出了特殊地貌的解译方法,以及针对选定区域的自动解译方法。在地理国情普查项目中的应用表明,FeatureStation软件具有快速、实用、有针对性等特点。     

一种底座式ADCP流量自动监测探头支撑装置的研制与应用

在流量自动监测系统中,底座式ADCP设备探头位于河底,维修极为不便。该研制装置采用304不锈钢支架配合滑轮、钢索、绞盘等手摇传动系统,将底座式ADCP设备探头从河底传送到水上岸边检修台,实现对设备探头的维护、检修、更换、安装、调试等操作,再通过该装置将底座式ADCP设备探头传送到河底原位,经十里长街等站实际应用,运行稳定可靠,运用极为方便;该装置防磁、防锈、防腐性能良好,为底座式ADCP探头提供一个很好的工作环境,且结构简单,运输方便,可作为中小河流永久流量自动监测站装置使用。     

基于近岸海域自动监测浮标的水华发生过程分析

利用位于广西廉州湾的自动监测浮标从2010年开始监控到的水华监测数据,分析水华发生前后溶解氧、pH、叶绿素等数据变化,结合气象、浮游植物密度数据,探讨不同赤潮藻增殖过程环境因子的变化规律,为赤潮机理及预警预报研究提供科学参考。廉州湾水华的叶绿素自动监测数据高值范围为24.5~77.0μg/L,浮游植物优势种为硅藻,浮游植物密度接近赤潮爆发的阈值。自动监测浮标能捕捉并监控到水华发生全过程,其长时间高频率的观测资料可有效应用于水华及赤潮的预警预报。不同藻种水华的自动监测数据变化具有差异性,在进行水华预警时应综合考虑叶绿素、溶解氧以及pH的变化。气象因素是水华诱发的因素,降雨过后,气温突升,风速小于等于三级时,可结合自动监测网络监测数据,发布水华预警。     

基于无人船的大洋中尺度涡观测系统展望

中尺度涡在大洋中普遍存在,研究发现其能量比大尺度海洋环流的能量大一个量级,在海洋物质能量输运和全球气候变化中起着重要的作用。受观测条件限制,目前对中尺度涡的观测主要通过卫星高度计实现,只能从海面高度来推算中尺度涡大小、分布、强度及其伴随的水体和能量输送,而卫星高度计对中尺度涡垂直结构特征认识不足,也导致了对中尺度涡所引起的上层海洋能量、热量输送估计误差偏大。目前对中尺度涡三维结构观测认识不足,展望未来将会出现基于无人船平台的大洋中尺度涡三维结构自动观测系统,该平台将集成自动水下剖面观测功能等先进技术,以便观测中尺度涡的垂直结构特征及其时空变化特征,进而可对中尺度涡带来的物质和能量输送进行系统认识。     

基于岩石图像深度学习的岩性自动识别与分类方法

岩石岩性的识别与分类对于地质分析极为重要,采用机器学习的方法建立识别模型进行自动分类是一条新的途径。基于Inception-v3深度卷积神经网络模型,建立了岩石图像集分析的深度学习迁移模型,运用迁移学习方法实现了岩石岩性的自动识别与分类。采用此方法对所采集的173张花岗岩图像、152张千枚岩图像和246张角砾岩图像进行了学习和识别分类研究,通过训练学习建立岩石图像深度学习迁移模型,并分别采用训练集和测试集中的岩石图像对模型进行了检验分析。对于训练集中的岩石图像,每组岩石分别用3张图像测试,三种岩石的岩性分类均正确,且分类概率值均达到90%以上,显示了模型良好的鲁棒性;对于测试集中的岩石图像,每组岩石分别采用9张图像进行识别分析,三种岩石的岩性分类均正确,并且千枚岩组图像分类概率均高于90%,但是花岗岩组2张图像和角砾岩组的1张图像分类概率值不足70%,概率值较其他岩石图像低,推测其原因是训练集中相同模式的岩石图像较少,导致模型的泛化能力减小。为了提高识别精确度,对准确率较低的岩石图像进行截取,分别取其中的3张图像加入训练集进行再训练,增加与测试图像具有相同模式的训练样本;在新的模型中,对3张图像进行二次检验,测试概率值均达到85%以上,说明在数据足够的状况下模型具有良好的学习能力。与传统的机器学习方法相比,所提出的岩石图像深度学习方法具有以下优点:第一,模型通过搜索图像像素点提取物体特征,不需要手动提取待分类物体特征;第二,对于图像像素大小,成像距离及光照要求低;第三,采用适当的训练集可获得较好的识别分类效果,并具有良好鲁棒性和泛化能力。