Potential Predictability of Sea Surface Temperature in a Coupled Ocean--Atmosphere GCM

Using the Flexible Global Ocean--Atmosphere--Land System model (FGOALS) version g1.11, a group of seasonal hindcasting experiments were carried out. In order to investigate the potential predictability of sea surface temperature (SST), singular value decomposition (SVD) analyses were applied to extract dominant coupled modes between observed and predicated SST from the hindcasting experiments in this study. The fields discussed are sea surface temperature anomalies over the tropical Pacific basin (20^oS--20^oN, 120^oE--80^oW), respectively starting in four seasons from 1982 to 2005. On the basis of SVD analysis, the simulated pattern was replaced with the corresponding observed pattern to reconstruct SST anomaly fields to improve the ability of the simulation. The predictive skill, anomaly correlation coefficients (ACC), after systematic error correction using the first five modes was regarded as potential predictability. Results showed that: 1) the statistical postprocessing approach was effective for systematic error correction; 2) model error sources mainly arose from mode 2 extracted from the SVD analysis---that is, during the transition phase of ENSO, the model encountered the spring predictability barrier; and 3) potential predictability (upper limits of predictability) could be high over most of the tropical Pacific basin, including the tropical western Pacific and an extra 10-degrees region of the mid and eastern Pacific.     

热带太平洋海表面高度特征及其与ENSO事件的关系分析

利用1980--2008年Godas的逐月海表面高度（SSH）资料,分析了热带太平洋不同季节海表面高度季节及年际变化特征,并初步探讨了海表面高度异常与ENSO事件的关系。结果表明：1）就赤道地区而言,东太平洋区域海表面最低,西北太平洋和西南太平洋海表面最高,中太平洋区域较低。2）西北太平洋和西南太平洋海表面高度年际异常大,赤道中东太平洋区域在秋季和冬季的异常较大。3）1、4、10月热带太平洋海表面高度年际异常与ENSO事件有良好的对应关系：在E1Nifio事件期问,热带太平洋东部海表面高度增加,西部和西南部减小,不同季节异常区略有区别;7月海表面高度异常与ENSO事件关系不密切。     

OLR与长江中游夏季降水的关联

用SVD方法分析了1、4、7月全球OLR与夏季(6—8月)中国华中区域降水场的关系,结果表明:若1月南非东部沿岸至西印度洋、北美北部OLR(Outgoing Longwave Radiation)偏低(偏高),或北非、美国西南沿岸及近海OLR偏高(偏低),则夏季长江中游降水将偏多(偏少)。若4月澳大利亚至东印度洋、日界线以东热带太平洋OLR偏低(偏高),或西北太平洋偏高(偏低),则夏季长江中游降水将偏多(偏少)。若7月东印度洋—澳大利亚大陆、东亚OLR偏低(偏高),则夏季华中区域长江及其以北降水将偏多(偏少),湖南和江西南部降水将偏少(偏多)。夏季长江中游旱、涝年前期OLR明显的区别在于热带太平洋:涝年1月东、西太平洋为明显负、正异常,4月这种异常进一步加剧;旱年1月正好相反,东、西太平洋为微弱的正、负异常,4月转为东、西太平洋为微弱的负、正异常。太平洋暖池OLR低值区(强对流区)4、7月持续偏南,是夏季长江中游降水偏多的另一重要信号。冬、春季OLR与夏季长江中游降水大尺度关联的可能机制为:若1月热带东、西太平洋OLR为明显负、正异常,4月这种异常进一步加剧,也即冬、春季热带太平洋Walker环流持续减弱,从而使夏季暖池对流活动减弱,热带辐合带偏南,Hadley环流偏弱,使夏季西太平洋副热带高压主体位置偏南,导致中国夏季主雨带不能北推至黄河流域,而长期滞留长江中下游,最后造成长江中游降水异常。     

超大规模大地网分区平差快速解算方法

针对超大规模大地网平差解算这一难题，首先按常规将大规模大地网分解成多个子网，并组成相应子网的误差方程和法方程，然后提出了用解算约化代替求逆约化的新算法，解算约化采用Cholesky分解法，计算过程中对联系误差方程进行压缩存储，并进行相应的有效算法。如此可大大节省大型大地网平差的计算时间，利用PentiumⅣ个人计算机即可解算全国范围的约5万个点(约18万个未知参数)的超大型大地网的整体平差问题，且计算时间只需3h左右。     

机载LiDAR全波形数据分解的研究与应用

近年来,新兴机载全波形Li DAR技术在摄影测量与遥感领域受到广泛关注。其相比传统机载Li DAR的优势在于它对后向散射回波信息进行了完整的数字化记录。波形分解是波形数据处理的重要环节,通过波形分解不仅仅可以得到高质量的三维点云产品,还能够提高DEM的生成精度并辅助点云的精确分类,随着研究的不断深入,全波形数据将在更多领域发挥更大的实用效益。     

利用EMD方法改进电离层TEC预报模型

针对总电子含量(TEC)非线性、非平稳特性,将经验模态分解(EMD)方法引入此领域的数据处理中,利用EMD分解后的数据进行时间序列分析预报。采用IGS提供的2010年电离层TEC数据进行实验,结果表明,利用此方法预报5d内TEC的平均相对精度为92.25%,而采用单一时间序列分析预报的平均相对精度为89%。     

小波多尺度分解和奇异谱分析在GNSS站坐标时间序列分析中的应用

为了有效地提取GNSS(global navigation satellite system)站坐标时间序列中的有用信息,提高坐标时间序列的建模精度,提出一种小波多尺度分解与奇异谱分析相结合的非线性运动建模方法,并利用全球11个测站20年(1999-2018年)的GPS(global positioning syste...     

城市不透水面遥感估算

由于人口快速增长和农村人口向城市迁移,城市不透水面积也在持续快速增长。加速的城市扩张和无监控的城市开发会导致诸多生态环境问题。本文利用Landsat影像,采用附有限制条件的线性光谱混合分解、植被覆盖度与不透水面负相关模型、监督分类三种方法对南京城区的不透水表面分布进行空间分析。通过评估这三种方法提取的不透水面的精度和分析和种方法受其主要人为因素的影响大小以及不透水面的提取过程,表明了线性光谱混合分解方法较优。     

最小二乘混合像元分解的端元丰度信息提取研究

针对无约束最小二乘混合像元分解算法提取地物端元丰度出现的局限性问题,通过野外实地采集的地物光谱数据建立研究区典型的地物波谱库,以Landsat OLI影像作为主要数据源,在经过Gram-Schmidt(GS)影像融合的基础上,利用纯净像元指数(PPI)及基于几何顶点的端元提取技术提取研究区典型地物端元,最后通过完全约束的最小二乘混合像元分解算法完成对研究区典型地物端元丰度的提取。结果较好地解决了无约束最小二乘混合像元分解算法提取的端元丰度信息出现负值的情况,并且提高了典型地物丰度信息提取的精度。完全约束最小二乘混合像元分解算法的RMSE误差均控制在0.174 913左右,在很大程度上提高了混合像元分解精度及实用性。     

北太平洋海温与江淮流域汛期流量的关系研究

利用自然正交函数分解法,对北太平洋海温与江淮流域汛期流量的关系进行了研究。结果表明,赤道东人平洋（10°S-10°N、180°-80°W）和西北太平洋（35°—45°N、150°E-140°W及30°N、170°-140°W）的海温变化与江淮流域汛期流量关系密切。当赤道东太平洋海温升高时,江淮流域汛期流量减少,反之则增加。依据这两个关键区的典型场时间系数所建立的流域预报模型,试报效果较为理想,除汉口8月流量预报误差为-10．7％外,其他要素流量预报误差均在±5％左右。