多时次EOF迭代方法在川渝伏旱预测中的应用

应用北太平洋海温资料,分析了川渝地区盛夏雨量与海温的联系,在关键海区海温与川渝伏旱气候非同步联系的基础上,建立了多时次海温EOF迭代方法,进行了川渝地区盛夏伏旱的短期气候预测.实际应用表明:以前期多时次海温为预报因子,通过历史独立预报试验建立的多时次EOF迭代伏旱预测模型,预见期长,准确率高,并可实现滚动预测,具有明显的预报技巧和应用价值.     

GPS/Pwv资料在强对流天气系统中的特征分析

应用GPS探测的可降水水汽资料Pwv对上海地区2002～2005年强对流的水汽变化特征进行了分析。分析表明：每30分钟一次的GPS/Pwv资料能直观地、及时地反映大气中水汽的时间变化和空间变化;GPS/Pwv资料随时间的演变特征与降水有较好的对应关系,不同的季节及不同的降水类型有着不同的分布特征;GPS/Pwv的散度资料可以反映大气中水汽的辐合、辐散分布情况。文章还给出了不同季节产生强对流天气的GPS/Pwv阈值,表明GPS/Pwv资料在强对流天气预报方面有一定的应用价值。     

微波层析技术中非线性优化算法与线性迭代算法的比较

以机载平台为例,通过数值模拟试验比较了非线性优化算法(NLI)和线性迭代算法(LI)在微波层析云液态水空间分布时的反演效率。在NLI中采用有限内存的BFGS算法对非线性目标函数直接优化求解;在LI中采用修正初值的起作用集算法对线性方程组进行求解。首先通过模拟试验证明积分云液态含水量(TLWC)是衡量对空微波遥感方程的非...     

珠三角地区前后汛期强对流过程物理量指数对比分析及阈值选取

珠江三角洲（简称珠三角）地区前汛期强对流是由锋面系统引起,后汛期强对流则多由热力系统引起。利用2004—2006年探空资料计算的物理量,选取与强对流天气相关性好的大气温湿类（整层比湿积分IQ）、层结稳定度类（K指数）、动力类（潜在下冲气流指数MDPI）、热力动力综合类（瑞士第一雷暴指数SWISS00）作为指示因子,通过对各指数的分布特征进行对比分析,分别得到珠三角地区前、后汛期的物理量指数的阈值,为进一步做好珠三角地区未来12小时强对流预报服务。      

21层大气环流模式IAP AGCM-III的设计及气候数值模拟I.动力框架

设计了IAP (InstituteofAtmosphericPhysics,ChineseAcademyofSciences)AGCM III,对其动力框架作说明和检验 ,时间积分采用改进的非线性迭代法。用Rossby Haurwitz波对框架进行了波型检验、能量检验和波速检验。结果表明 ,非线性迭代 3次的时间积分方案具有较好的稳定性 ,能够有效地抑制短波 ,同时对长波的歪曲较小 ,且时间积分步长可放得较大 ;该框架能够较长时间地保持Rossby Haurwitz 4波波型 ,在积分过程中能够较高精度地保持总有效能量守恒 ;模式计算的Rossby Haurwitz波速为每天西传 1 5个经度 ,这与理伦值很接近。     

利用ETM+影像自动提取河流冲积扇的方法

本文在分析冲积扇与其他地物光谱特征差异的基础上,针对Landsat ETM+影像中红光波段与近红外波段的比值能够增大冲积扇与其他地物间差异的特征及地形阴影在蓝绿光波段亮度值降低速率差异较大的特征,基于比值运算、差值运算,构建了冲积扇指数;并利用该模型阈值自动选取算法将冲积扇信息从其他地物及阴影中分离出来,然后根据数学形态学膨胀滤波算法进行空洞填充。经过实验表明,该方法能够高效自动地提取华南山区的冲积扇信息。     

一种基于InSAR相干系数的SAR阴影提取方法

给出了一种新的阴影提取方法,根据阴影区域在InSAR相干系数图上的特性,利用Sigma滤波和最优阈值分割算法实现阴影的自动提取。实验结果表明,本方法是一种高效的阴影提取方法。     

基于剖面和迭代选权曲面拟合的LIDAR点云滤波算法研究

LIDAR数据是目前最为理想的生产DEM/DSM的数据源,利用机载激光雷达获取DEM/DSM数据是机载激光雷达最为直接的应用。提出了一种剖面的数据表达方式对离散的LIDAR点云数据进行组织,同时对点云数据做初步的分类,在此基础上用迭代选权曲面拟合的滤波算法对地面点和非地面点做进一步的分类,以提高LIDAR点云数据的滤波效果的方法。     

基于二维图像特征的点云配准方法

为了提高低覆盖率点云的配准精度和收敛速度,提出了一种基于二维图像特征的点云配准方法。首先采用基于区域层次的点云配准算法实现粗配准;然后将三维点云转换成二维图像,再采用SURF算法提取二维图像的特征,并求解其匹配像素点对;最后根据二维匹配点获取相应的三维点云相关点,并计算刚体变换,由此实现点云的快速精确配准。试验结果表明,与迭代最近点（ICP）算法相比,该点云配准方法的配准精度和耗时分别提高了约20%和60%,是一种快速、高精度的点云配准算法。     

基于支撑向量回归的高光谱混合像元非线性分解

提出了基于支撑向量回归的高光谱混合像元自动分解.首先利用投影迭代的方法自动寻找到影像的典型地物光谱,然后利用Hapke近似函数模拟出非线性的训练和测试数据.支撑向量回归的混合像元分解方法与基于基函数分解方法的不同点是不需要预先确定非线性的映射形式,它通过核函数,把像元矢量从低维空间映射到高维特征空间,使得在特征空间中构造的线性光谱组合对应着原始空间（像元空间）的非线性组合特性,从而揭示了典型地物光谱之间的高阶性质,提高了混合像元的分解精度.实验结果证明,这种方法具有很高的混合像元的分解精度.利用模拟数据作分解精度的评价,表明97%以上的像元分解绝对误差不大于10%,而各类总体平均平方根误差均小于3.5%.