中尺度自动站数据处理系统

为了解决中尺度自动气象站建设后探测数据的应用和共享问题,利用数据库等计算机技术,开发一套自动数据处理系统。实现了数据的处理储存、灾害天气预警和数据在不同部门之间共享。     

基于扩展卡尔曼滤波和自动微分技术对陆面数据同化系统参数的快速估计及其影响

土壤水分在干旱监测、洪水预报和水资源管理中发挥着重要作用.数据同化方法能结合模型和遥感的优势,生产高精度、时空连续的土壤水分数据.目前,陆面数据同化面临的主要难题之一是模型和观测误差的准确估计.为此,我们前面提出了双循环同化算法,实现了模型和观测误差、模型算子和观测算子参数的同时估计.由于该算法需要设置较大的集合个数才能实现稳定的参数估计,导致参数估计效率低,限制了其在大范围陆面同化系统中的应用.为此,本研究通过:(1)采用二元数自动微分方法计算陆面过程模型(LSM)的雅可比矩阵以替代获取复杂的LSM的切线性模型;(2)采用扩展卡尔曼滤波(EKF)框架替代集合卡尔曼滤波框架,提高了双循环算法的参数估计效率.在模型积分步长为1h和参数优化窗口为90天的条件下,改进后的双循环算法参数优化效率提高近60倍.为检验双循环算法在区域尺度陆面数据同化中的效果,我们在青藏高原区域同化SMAP土壤水分产品,并利用四个不同地理气候环境下的土壤水分观测网数据验证同化结果.结果显示,在青藏高原区域,相较于基于默认参数的模型模拟结果,基于EKF改进的双循环同化算法能够校正模型参数和观测的偏差,估计的土壤水分精...     

基于深度学习和台阵策略的震相自动拾取方法APP++及其在川滇地区的应用

在APP方法的基础上,使用U-net++模型,提出了进一步的改进算法APP++用于台阵下的震相到时自动拾取,测试结果显示,APP++模型在具有和APP相当的拾取能力的同时,还能够更好地避免误识别,且具有跨区域泛化能力;将该方法用于川滇地区的固定台网和流动台阵上,扫描了2014—2019年6年的连续数据,检测到了7329...     

21世纪中国主要粮食产区的空间格局特征

Grain production is an important issue for the national economy and the livelihood of the Chinese people. It serves as the foundation of national development and social stability. China is a major grain producer as well as a major grain consumer. The grai…     

网络环境下的前兆数据自动编排管理系统

通过在Intemet和局域网下开发的程序,实现了安徽省地震前兆数据自动编排管理。该网络程序可以自动检索和收集各地方台站上报的数据,然后将其按照规定的格式编排,通过纠错子系统检查无误后传至中国地震局数据中心。本系统可以将数据自动分类管理并做好备份,最大的优点是速度快、准确性高、操作方便。     

降雨中小尺度结构分析

本文使用吉林省中部地区2005年6月10km间距100个自动雨量计小时雨量资料,结合天气资料,对地面降雨中小尺度结构进行分析,以期提高对云和降雨的认识。文中对各类天气系统降雨绘制出等值线图,找出地面降雨中小尺度结构特点。结果表明,各类天气系统较强降雨都具有中小尺度结构。他们多数表现为几十公里宽一百多公里长的雨带。雨带里有沿带走向的强对流带、对流线和零散强对流单体。有的表现为尺度更小的对流雨带或雨团。一般强单体核尺度10km,有的20-30km,雨强可迭暴雨到特大暴雨,持续时间1-2小时。     

川滇地区地震分布及地壳结构的双差地震层析成像

在使用APP++扫描得到的川滇地区地震目录数据的基础上,利用波形互相关得到的走时差,通过双差层析成像方法进一步提高了定位精度,并反演了该地区地壳的三维P波和S波速度结构.结果显示:重定位后的地震位置分布很好地刻画了相关断层的形态;浅层的速度结构能够很好地吻合区域内的断层分布,深部的速度结构反映了川滇菱形块体地壳流的可能...     

自然资源统一确权调查的开源信息化设计

为了智能辅助自然资源统一确权调查,打破商业软件垄断封闭、成本代价高昂的限制,本文提出基于全开源技术的自然资源统一确权调查的信息化设计。根据自然资源统一确权的战略目标,对其业务信息化建设的内容特点、技术流程、技术架构进行阐述,深入研究其在多源数据整合、协同式作业及面向确权业务作业流程的定制功能中涉及的关键技术,并给出应用案例,旨在为自然资源统一确权调查信息化平台的建设提供参考。     

基于深度学习的路面裂缝提取

裂缝是主要的路面损坏,路面裂缝自动化提取对于维护和监测路面状况至关重要。针对传统人工检测效率低、缺乏客观性等问题,提出了一种基于深度学习语义分割网络的路面裂缝自动提取方法,实现了由路面图像自动生成裂缝二值图。并且阐释了不同尺度特征对语义分割的好处,并结合裂缝本身细小的特性,在U-Net的基础上增加了大尺度特征提取分支。随后采用激励压缩模块进行两种特征的融合。在CFD(computational fluid dynamics)数据集上的实验表明,该改进算法的F1分数、kappa系数分别可达74.28%和73.83%,相较于其他主流分割网络,提高了约2%。