光学遥感大气校正研究进展

大气校正是光学遥感信息定量化研究中必不可少的一步,将各种大气校正方法归纳为基于图像特征的相对校正法、基于地面线性回归模型法、基于大气辐射传输模型法和复合模型法4类,详细分析了每一类方法的优缺点、适用范围或影响因素,并对大气校正的未来发展做了几点思考.     

基于六参数仿射变换的控制点选取及坐标校正分析

以经纬度坐标转换到深圳坐标为例,利用卫星遥感影像,通过全局搜寻算法选择控制点对求解仿射变换六参数值,在不同约束目标下对坐标距离偏差程度进行筛选分析,确定适合深圳坐标下能有效提高校正精度的控制点对组合及校正坐标公式。     

多时相TM影像相对辐射校正研究

多时相影像对应波段中地物波谱“准”不变特征点(Pseudo-Invariant Features,PIFs)的选取是相对辐射校正的前提,采用目视解译选取主观性较强,在一定程度上影响了校正精度。利用绍兴试验区两时相TM影像,通过样本点间差异阈值,主成份分析和回归分析方法控制选取影像对应波段间的PIFs,使得校正样本点的选取具有客观性。在此基础上获取增益和偏移量并对两时相影像进行相对辐射校正,取得了较好的校正效果,从而有利于土地利用/覆盖变化监测。     

基于PPK的龙口水位测量及自适应提取方法研究

在系统分析龙口水域水文特点的基础上,基于GPS PPK测量技术,设计并研制出了浮球漂流水位连续测量系统。对系统测量数据的处理方法进行了详细研究。将该系统及数据处理算法应用于龙口水域截流区的连续水位测量和提取中,取得了理想的效果。     

关于地形复杂地区地形改正的FTT算法

大面积地形改正的快速计算,对现代大地测量实践具有重大意义,尤其是在那些地形复杂地区。本文通过理论分析选出了一种适于此类地区地形改正计算的FFT算法,并给出了用于实际计算的数学模型。试算结果表明,该模型用于特大山区能够获得与双三次样条棱柱算法精度相当的结果。     

概率密度匹配方法在我国近海海面10m风速预报中的应用

海面风速对航运及海上生产作业影响重大,但数值模式对于海面的风速预报仍存在较大误差.为降低数值模式海面10 m风速预报的系统性误差,提高海上大风预报准确率,基于2017-2019年中国气象局地面气象观测资料对ECMWF确定性模式的10 m风场预报结果进行检验评估,并采用概率密度匹配方法对模式误差进行订正.分析结果表明,概...     

大小兴安岭林区风场动力降尺度对比研究

对2017年春季黑龙江省大、小兴安岭林区的6个代表站点10 m风场进行降尺度分析,并结合观测数据对比分析了WRF模式和CALMET降尺度模式的10 m风速、风向预报结果。结果表明：两模式逐小时风速预报与观测的相关系数为0.5-0.7,且随着风速的增加,模式的预报准确率逐渐提高,夜间的风速预报偏差较大,进入白天后,偏差明显减小。WRF模式对风速变化趋势的预报效果优于CALMET模式,与观测的风速相关性更高,而CALMET模式对较大风速的预报效果优于WRF模式。在风向预报方面,WRF和CALMET的风向模拟与观测风向均有较好的一致性,模式预报准确率较高的两个风向也刚好对应各站的盛行风向。同时,本文用回归方法对日平均风速进行订正发现,订正后各站的日平均风速预报准确率平均提高了50%,具有较好的业务应用价值。     

基于风速高相关分区的风电场风速预报订正

为了提高风电场风速预报和功率预测的精度和准确率,并考虑风机测风数据的不稳定因素,以多年服务的内蒙古中部某风力发电场A为研究区,在勘察风电场地形及风机布局后,按照季节、风向进行风机间风速时空相关性分析,划分出风机轮毂高度风速高相关为典型特征的风机网格分类片区,采用卡尔曼滤波方法,通过直接和间接两种订正方案,分别进行风机片区风速订正。结果表明:风速高相关风机片区的划分,对于提高风电场风速预报及功率预测精度和准确率具有一定作用,利用风电场区测风塔梯度观测风速,对风机片区进行间接订正,可有效改善数值模式预报风速,15个片区类型下相关系数由0.18~0.72提高至0.67~0.91,误差绝对值由1.6~2.9 m·s-1降低至1.0~1.5 m·s-1。     

基于统一高度Cressman方法的地面2m气温客观分析

针对离散站点资料格点化的业务需求及Cressman方法在地形复杂区域客观分析存在的问题,利用山东及周边省自动气象站观测的2 m气温和ECMWF预报的海上2 m气温,结合山东省中尺度数值预报位温递减率、90 m分辨率SRTM高程数据,采用统一高度Cressman方法对山东省地面2 m气温进行客观分析,生成了逐1 h、0....     

生物完整性在时间尺度趋势分析中的偏差和校正研究——以松花江流域为例

以松花江流域为对象,利用2012-2015年底栖动物调查数据及生物完整性指数(index of biotic integrity,IBI)评价结果,定量分析并阐释了IBI(基于参照位点法)在时间尺度趋势分析中产生的偏差和影响,提出采用校正系数r(r表示参数赋分计算中,比较年参数基础值相对初始年参数基础值的倍数)及初始年数据对IBI结果进行校正的方法.研究表明,正向参数(干扰越大分值越低的参数)参照组2013-2015比较年的值较初始年(2012年)呈现不同程度升高,反向参数(干扰越大分值越高的参数)受损组值呈现下降.同时,正向参数和反向参数的r值分别分布在1.1～4.9和0.7～0.8之间,参照组/受损组参数的95th年度间变化显著,参数赋分环节的记分偏差不可忽略.在评价标准划分环节中,最差及优良区域占比的差异达10.0%～13.4%,偏差对趋势分析的干扰显著.2012-2015各年度IBI经校正后,评价达良好-优状态的区域占比较校正前高4.3%～13.3%,评价为很差状态的区域占比较校正前低6.7%～30.0%.完整性评价中关键环节产生的偏差可显著影响时间尺度趋势的分析和判定,基于校正的评价方法可以初步解决完整性评价在趋势分析中产生的偏差干扰问题.