风暴分类识别技术在人工防雹中的应用

利用新一代多普勒天气雷达资料,在风暴跟踪识别算法的基础上,发展了风暴分类技术,以提高人工防雹作业指挥的效率。首先以SCIT算法为基础,结合风暴的结构特征,综合利用雷达、探空资料,自动提取风暴结构特征指数;其次采用基于决策树模型的风暴自动分类技术,将风暴按强度分为雷雨云、单体风暴、多单体风暴和强风暴;最后根据风暴强度、高度和位置等属性,对有可能产生冰雹的单体,结合GIS,自动对下游方向或附近作业点进行预警或输出作业参数。通过对2006—2014年期间重庆、辽宁大连和河南三门峡三地发生的较为典型的31次冰雹天气过程、182站次冰雹样本的检验来看:该方法通过对风暴按强度、垂直结构等综合属性进行分类,能有效提高冰雹识别的命中率、降低空报率,其中强风暴的命中率能达到100%,空报率仅为11.4%。能有效提高人工防雹作业的自动化程度,对防雹作业的科学决策有着重要参考作用。     

变分同化框架通过背景误差协方差构建动力平衡约束的研究进展

通过背景误差协方差构建动力平衡约束是变分同化框架设计的重要环节。它不仅帮助实现变量间的协同分析,提高观测使用效率,还能改善变分极小化问题的性状。本文在系统梳理通过背景误差协方差引入动力平衡约束的方式、流程的基础上,对求解目前全球和有限区域变分同化系统普遍采用的准地转平衡和静力平衡约束的共性问题和存在的不足作了归纳总结。分析了求解准地转平衡约束的三类方案:动力平衡方程方案、统计方案和动力-统计相结合方案的优缺点。对照比较了不同垂直离散方案下求解静力平衡约束时遇到的欠定问题的表现以及解决途径。最后,展望了基于背景误差协方差构建动力平衡约束在赤道等特殊地区、高分辨率同化系统、以及集合-变分混合同化系统发展中面临的挑战和机遇。     

承德初霜冻预报指标分析及其预报方法

应用常规观测资料与ncep1°×1°再分析资料,对承德市各县区初霜的时空分布特征及南北县区初霜出现时间的稳定性进行了分析,在对117个初霜环流形势分析的基础上,建立了初霜预报的天气概念模型;筛选因子,分县区确立了预报指标;采用概率、指标、数值预报产品相结合的方法及概率区间取值法建立了分县区初霜预报模型;检验表明,该模型对于中重度初霜冻预报准确率可达95%以上,对轻度初霜的预报准确率可达68%以上,无漏报出现。     

基于作物模型的河南省旱稻干旱风险评估

采用作物模型与数理统计相结合的方法,利用长期历史气象资料,以作物模型和地理信息系统技术为工具,系统分析了河南地区旱稻生育期水分盈亏情况。以模型模拟的雨养条件下实际蒸散量相对于潜在条件下的蒸散量(即需水量)的亏缺率,即水分亏缺指数,以雨养条件下产量相对于潜在产量的损失率(即灾损指数)作为产量灾损强度评价指标,从受旱程度和产量损失两个角度构建干旱风险评估模型,进行干旱风险评估。结果表明:河南省旱稻生育期集中在6—9月,水分亏缺最多的阶段为出苗—穗分化阶段,水分亏缺指数变化在0.50~0.60,其次是开花—成熟阶段和穗分化—开花阶段,水分亏缺指数变化在0.11~0.43;全生育期水分亏缺指数在0.36~0.50。出苗—穗分化阶段干旱发生的风险最大,其次是开花—成熟阶段,穗分化—开花阶段的最小。河南旱稻生育期干旱风险呈现为由东南向西北逐渐升高的分布,其中三门峡、济源西部一带风险最高,洛阳南部和南阳西北部一带最低,黄河以北大部地区和豫东、豫南地区风险居中。     

地基探测与NCEP GFS模式预报云量在ARM SGP站点对比

使用大气辐射测量实验(Atmospheric Radiation Measurements:ARM)在美国南部大平原站点(Southern Great Plains:SGP)长时间序列(2001 2010年)的地基主动遥感云(Active Remote Sensing of Clouds:ARSCL)和美国国家环境预报中心(National Centers for Environmental Prediction:NCEP)全球预报系统(Global Forecast System:GFS)模式预报资料,对比分析了两者云量在不同时间尺度内(年际、月份和季节)的差异。结果表明,GFS模式预报总云量为83.8%,略高于地基观测结果(78.1%);两者总云量差异在秋季最大(8.8%),春季最小(2.2%)。在低垂直高度分辨率(≥3 km)时,地基探测低云、中云和高云的云量分别为46.1%、43.5%和61.2%;模式预报三类云的云量均要高于地基探测的云量,差异分别为9.6%、17.2%和9.1%。但是,在高垂直分辨率(250 m)时,地基探测云量在大多数高度层上要高于模式预报结果。这应该是两种资料廓线中有云出现的高度层数目存在差异引起的。地基观测和GFS模式预报同时表明,SGP站点上空云量垂直廓线呈现双峰结构,在边界层附近(1 km)和上对流层区域(8-12 km)云量较大,2-3 km高度范围内云量较小。在春夏秋冬四个季节内,两种资料在低层边界层附近的最大云量偏差分别为9.5%、8.8%、7.8%和11.2%。     

多普勒雷达观测在北京7.21暴雨数值模拟中的三维变分同化研究

基于背景误差的特征长度理论,研究调整背景误差水平分辨率对多普勒雷达资料三维变分同化的影响。首先利用NMC方法针对暴雨落区统计不同水平分辨率的背景误差协方差,分析两种不同分辨率的背景误差的结构特征,研究水平分辨率对背景误差特征长度的影响。将其应用于雷达资料同化中,研究背景误差水平分辨率变化对雷达资料同化的影响。结果表明:背景误差水平分辨率由27 km提高到3 km时,在大气低层体现出更细致的动力场信息,其动力场水平特征长度按水平分辨率的二次根递减,而温度场与水汽场水平特征长度变化不明显。在将不同分辨率的背景误差用于三维变分同化时,更高分辨率的背景误差可以在分析场增量中体现更细致的中小尺度信息,能够明显改善雷达径向速度资料同化效果,并在随后的暴雨数值模拟中雨量及其分布形态更接近实况。     

上海市PM_(10)浓度四季遥感模型研究

通过分析2001—2012年上海市PM_(10)浓度(由API(Air Pollution Index)转化得到)的变化规律,构建了上海市PM_(10)浓度的遥感反演模型。结果表明:1)上海市PM_(10)浓度存在季节性变化,应分别建立遥感反演模型。2)分析MODIS气溶胶光学厚度(Aerosol Optical Depth,AOD)产品与PM_(10)浓度之间的相关性发现,AOD须经过垂直和湿度订正才可与PM_(10)建立较好的关系。3)结合垂直和湿度订正分别建立的上海市PM_(10)浓度春夏秋冬四季的遥感反演模型均通过了拟合度检验,其中春季模型采用指数函数、夏季和秋季模型采用二次多项式函数、冬季采用幂函数、全年采用二次多项式函数,利用此四季模型反演上海市PM_(10)浓度具有较高的可信度。     

我国砂岩型铀矿分带特征研究现状及存在问题

作为一种重要的国家战略资源,砂岩型铀矿床是当今世界上最重要的铀矿床类型之一。本文详细地介绍了砂岩型铀矿在国内外的分布特征及占比情况,并对外生地质作用矿床类型中表生流体作用形成的层间渗透砂岩型和潜水渗透砂岩型铀矿床进行了讨论,发现层间渗透砂岩型铀矿床在外表颜色、矿物组合以及地球化学等方面均具有明显的氧化-还原分带现象,此外,矿床内部还具有细菌分带现象。颜色分带在氧化带、氧化-还原过渡带以及还原带之间具有明显不同的特征;矿物组合在不同分带之间各不相同;地球化学分带表现为U、TOC含量以及Fe~(2+)/Fe~(3+)、Th/U比值在各分带之间差异较大。此外,硫酸盐还原菌、硫杆菌、铁细菌及硝化菌等细菌在不同分带之间的数量相差悬殊,而且硫酸盐还原菌数量与TOC呈明显正相关性。通过矿化带内的碳、硫同位素分析,发现硫酸盐还原菌参与了成矿过程,推测其可能是导致碳、硫同位素分馏的主要因素。总体来看,颜色分带、矿物分带、地球化学分带以及细菌分带均与氧化-还原分带呈耦合关系。本文通过总结层间渗透砂岩型和潜水渗透砂岩型铀矿床的成矿模式和当前分带研究中存在的问题,提出了由细菌、地球化学反应参与的砂岩型铀矿床成矿机理,以及未来亟需解决的若干关键科学问题。典型砂岩型铀矿床的分带现象在物、化、探、遥等领域的异常响应对寻找砂岩型铀矿床具有重要的指导意义。     

Study of high temperature targets identification and temperature retrieval experimental model in SWIR remote sensing based Landsat8

For surface features in short-wave infrared (SWIR, 1.3–3.0 μm) in remote sensing imagery, pixel values depict the total energy including reflection and emission. For surface features at normal temperature in SWIR band, emission energy can be ignored. While for surface features at high temperature in SWIR band, emission energy is equal to or even higher than the reflection energy. So remote sensing imagery of SWIR band can be used to separate emission and reflection energy as well as to realize temperature retrieval of high temperature targets. In this study, the seventh band (SWIR band) of Landsat8 OLI remote sensing imagery is used to perform the theoretical model research for temperature retrieval of high temperature targets. In the meantime, it is also used with the corresponding observation experiment of synchronization satellite to check the theoretical model. The result shows that the radiant flux density for mixed pixels with high temperature targets is higher than adjacent pixels without high temperature targets. Thus, the high temperature pixels can be identified in SWIR band. The retrieval results of temperature and fractional area for high temperature targets are consistent with reality. In the study, the result illustrates that it is effective to identify high temperature targets in remote sensing imagery of SWIR band and the model is appropriate for temperature retrieval use.     

Classification of forest land attributes using multi-source remotely sensed data

The aim of the study was to (1) examine the classification of forest land using airborne laser scanning (ALS) data, satellite images and sample plots of the Finnish National Forest Inventory (NFI) as training data and to (2) identify best performing metrics for classifying forest land attributes. Six different schemes of forest land classification were studied: land use/land cover (LU/LC) classification using both national classes and FAO (Food and Agricultural Organization of the United Nations) classes, main type, site type, peat land type and drainage status. Special interest was to test different ALS-based surface metrics in classification of forest land attributes. Field data consisted of 828 NFI plots collected in 2008–2012 in southern Finland and remotely sensed data was from summer 2010. Multinomial logistic regression was used as the classification method. Classification of LU/LC classes were highly accurate (kappa-values 0.90 and 0.91) but also the classification of site type, peat land type and drainage status succeeded moderately well (kappa-values 0.51, 0.69 and 0.52). ALS-based surface metrics were found to be the most important predictor variables in classification of LU/LC class, main type and drainage status. In best classification models of forest site types both spectral metrics from satellite data and point cloud metrics from ALS were used. In turn, in the classification of peat land types ALS point cloud metrics played the most important role. Results indicated that the prediction of site type and forest land category could be incorporated into stand level forest management inventory system in Finland.