DCMT枢轴误差的光电测定

枢轴误差是影响天体位置测量精度的重要因素.对于现代子午环的高精度天体测量而言,枢轴误差的精确测定是必不可少的.利用DCMT的自校准光源的像,并采用V形光栅的光电扫描直接测定DCMT枢轴误差在赤经和赤纬上的分量。通过几次测量结果的比较表明,该方法具有很高的测量精度与重复性.     

应变分析法与GPS网优化设计

本文借助于弹性力学应变分析理论，提出ＧＰＳ网应变强度分析法，建立了对应于椭球微分坐标系的“位移－应变”数学模型，分析了ＧＰＳ模拟网应变强度的分布情况，得出一些有益的结论。     

高空西北气流下特大暴雨的预报误差分析及思考

利用常规及非常规气象资料、业务数值预报模式、GFS再分析资料(0.5°×0.5°),分析了2016年6月19日江西北部高空西北气流下特大暴雨环境场特征和数值模式误差,对比了相似形势的暴雨过程,找出业务预报误差较大的可能原因是对高空"干冷"西北气流南移、副热带高压北抬的速度、低空西南急流加强及前端辐合、上游移来短波槽、异常水汽条件的综合作用分析不到位,各类数值模式产品对降水落区预报偏北、强度预报偏弱也影响了预报员对暴雨的综合判断;给出了预报这类特大暴雨着眼点和预报概念模型以及订正模式降水的思路。     

上海地区春季最高气温预报失败案例分析

本文分析了2015年3月17—18日上海地区连续两天发生最高气温预报失误的天气背景,并使用当日实况观测和业务预报使用的数值模式资料,剖析预报失败的原因,分析表明:对天空状况的误判是导致17日预报失败的主要原因,且东南风预报偏强更进一步增大了预报误差;冷空气影响时间的判断失误是导致18日预报失败的主要原因。从模式预报的实时检验、预报的跳跃性和不确定性角度分析了预报中存在的问题:预报员应重视本地和上游实况,从传统对单一确定性模式预报的依赖向多模式多起报时次及能提供概率预报和不确定性信息的业务集合预报的分析思路转型。此外,还需加强对集合预报的系统性检验、评估及数值预报释用产品的开发,增加包含不确定性信息的公众天气预报发布形式。     

自动气象站采集器通道及合成误差分析

数据采集器通道误差是自动气象站观测系统误差来源的重要组成部分,直接影响自动站各要素观测数据的准确性,其与温、湿、压、风等各气象要素传感器误差的合成构成了自动气象站误差。在稳定的实验室环境条件下,利用高精度测量仪表,通过对多台CAWS600型采集器进行精确测量,得到自动站采集器各气象要素通道误差的校准数据。对温、湿、压、风等要素的自动测量系统(传感器和采集器)误差分析结果表明,自动站误差等于传感器误差与采集器通道误差之和。此外,采集器各主要通道的误差存在一定的分布规律:有10台采集器气温通道误差≤0.1℃,主要分布在-0.1~0.1℃,所占比例为77%;有3台采集器通道误差0.15℃而≤0.20℃,所占比例为23%。在600-1090 h Pa量程内,气压通道误差主要分布在-0.10~0.10 h Pa;风向、湿度通道误差较小,误差值相近,方向较一致,风向通道误差≤1°,湿度通道误差≤1%。     

一种基于MEA BP的太阳辐射反演算法

基于光电原理的日照计即将在全国推广应用,以光照度观测数据为主反演太阳辐射数据可以有效弥补太阳辐射观测站数量不足的现状。针对现有的太阳辐射反演方法的不足,提出一种融合主成分分析(PCA)、思维进化算法(MEA)和BP神经网络的复合模型,利用太阳光照度、太阳高度角、温度和湿度观测分钟数据反演太阳辐照度。首先,以晴空指数为依据,基于概率神经网络(PNN)分类法,将天气类型分为晴、云、阴3类,分类准确率达到96.6948%。再利用PCA降维后的4个影响因子,对3类天气分别采用BP、GA-BP和MEA-BP法反演太阳辐照度,与标准辐射表的实测数据对比。结果表明:晴、云、阴的MEA-BP模型的决定系数最高达到0.9958,与单一BP模型相比,RMSE分别降低了49%、32.45%和10.64%;相比于GA-BP模型误差,MAPE最高减少了42.54%。本文所提出的MEA-BP复合模型的泛化能力得到了有效提高。     

上海市两套闪电定位系统探测能力对比分析

为综合评价上海市两套闪电定位系统(Vaisala和Earth Network Total Lightning System)对上海及周边地区地闪的探测能力,利用2015 2016年两套闪电定位系统数据,从地闪数据量、雷电强度、时空分布、空间匹配度和定位精度等多个方面展开对比。结果表明,在上海市范围内相同时间段内Vaisala探测到的地闪频次稳定大于Entls的,但在上海市区域外则相反。两套系统探测到地闪雷电流强度呈单峰分布,以10~20 k A区间内的雷电居多。从数据空间匹配度来看,上海北部地区及杭州湾南岸,Entls相对Vaisala地闪探测的匹配度达70%以上,在上海市范围内该匹配度降至20%左右。两套系统探测到的地闪定位误差大部分集中在5 km以内,且以0~2 km为主。雷暴过程中两套系统探测的地闪随时间变化趋势较为一致,且与雷达回波有一定的匹配度。因此,两套系统都能实现对上海及周边地区地闪的探测,但由于设备型号、探测技术和自身误差等方面的差异,数据量上有差异,需要长时间积累数据进行对比分析,才能更好地利用数据,为防雷减灾服务。     

Impact of SST Anomaly Events over the Kuroshio-Oyashio Extension on the “Summer Prediction Barrier”

The "summer prediction barrier"(SPB) of SST anomalies(SSTA) over the Kuroshio–Oyashio Extension(KOE) refers to the phenomenon that prediction errors of KOE-SSTA tend to increase rapidly during boreal summer, resulting in large prediction uncertainties. The fast error growth associated with the SPB occurs in the mature-to-decaying transition phase,which is usually during the August–September–October(ASO) season, of the KOE-SSTA events to be predicted. Thus, the role of KOE-SSTA evolutionary characteristics in the transition phase in inducing the SPB is explored by performing perfect model predictability experiments in a coupled model, indicating that the SSTA events with larger mature-to-decaying transition rates(Category-1) favor a greater possibility of yielding a more significant SPB than those events with smaller transition rates(Category-2). The KOE-SSTA events in Category-1 tend to have more significant anomalous Ekman pumping in their transition phase, resulting in larger prediction errors of vertical oceanic temperature advection associated with the SSTA events. Consequently, Category-1 events possess faster error growth and larger prediction errors. In addition, the anomalous Ekman upwelling(downwelling) in the ASO season also causes SSTA cooling(warming), accelerating the transition rates of warm(cold) KOE-SSTA events. Therefore, the SSTA transition rate and error growth rate are both related with the anomalous Ekman pumping of the SSTA events to be predicted in their transition phase. This may explain why the SSTA events transferring more rapidly from the mature to decaying phase tend to have a greater possibility of yielding a more significant SPB.     

2016年西北太平洋和南海热带气旋预报精度评定

以中国气象局上海台风研究所整编的最佳路径数据集为依据,对2016年西北太平洋和南海热带气旋（TC）定位精度及路径、强度和登陆点预报精度进行了评定,结果表明：2016年定位总平均误差24.9 km,比2015年略偏大。主观和客观路径预报误差没有延续之前持续减小的趋势,整体预报能力比前两年略有降低。ECMWF EPS、NCEP GEFS和UKMO EPS三个集合预报系统的台风路径预报整体性能要好于其他集合预报系统。各主客观预报方法的台风强度预报性能与往年相比没有大的改进。主观方法对超强台风莎莉嘉在海南万宁的24 h登陆点预报误差均非常小,误差在15 km以下。全球模式的登陆点预报性能表现要优于区域模式。     

基于多尺度相关性分析的InSAR对流层延迟误差改正算法

针对合成孔径雷达干涉技术中对流层延迟误差会影响DEM精度的问题,提出采用小波多尺度相关性分析方法来减弱与高程相关的对流层延迟误差的影响,来提高合成孔径雷达干涉DEM的估计精度。该方法基于小波多分辨率分析理论,根据差分干涉相位不同组成的频率特性,利用小波分解重构均方根误差变化率确定分解层数,降低地形残差相位、噪声相位等对大气延迟误差相位估计的干扰,提取对流层延迟误差相位所在频带;然后结合对流层延迟误差相位和雷达坐标系下的DEM在不同尺度上的相关性定权并进行降权处理,重构解缠差分干涉图,改正差分干涉相位中与高程相关的对流层延迟的影响。采用本文方法对覆盖河南义马地区的2景ENVISAT ASAR数据进行处理,得到对流层延迟误差改正后的差分干涉图,估计的与高程相关的对流层延迟相位,与地形变化情况吻合。将对流层延迟误差改正后的干涉图用于DEM高程估计,结果显示本文方法重建的DEM与Aster GDEM的标准差由30.7 m提高到26.37 m,提高了InSAR DEM估计精度。