中国区域加权平均温度的时空分析及模型研究

加权平均温度(T_m)是全球卫星导航系统技术反演大气可降水量的关键参数,影响着水汽反演的精度。针对传统的Bevis模型运用在中国区域精度不高的问题,该文提出新的增加时空参数的T_m多元线性回归模型。根据2013—2015年中国86个探空站点的探空资料,分析了T_m的时空特征;然后根据2013年站点资料,利用线性回归建模方法建立了中国区域的T_m单因子回归模型和增加了时空参数的T_m多因子回归模型,并利用2014—2015年的探空数据进行验证。T_m单因子回归模型和T_m多因子回归模型的精度分别为3.1 K和2.6 K,比Bevis模型(精度3.3 K)分别提高了约6.0%和21.2%。考虑到季节对T_m的影响,将T_m多因子回归模型按季节分段,得到按季节分段的T_m多因子回归模型,其精度与T_m多因子回归模型大致相当,但能更细致表达出不同季节T_m的精度情况。结果表明增加了时空参数的T_m多因子回归模型更加适合中国区域的加权平均温度T_m的计算。     

盾构机全站仪激光导向模式误差灵敏度分析

通过对盾构机全站仪激光导向系统的测量原理研究,并对盾构坐标与施工坐标系的旋转模型转换原理分析,建立盾构姿态参数与坐标旋转模型的关系。然后通过全站仪测量激光标靶棱镜和切口坐标与激光标靶相对位置的误差分析得到相关结论。     

稳健估计下转换参数系数矩阵定向改正的整体最小二乘

不同空间坐标系在进行坐标转换过程中,利用整体最小二乘(TLS)构建高斯-马尔科夫(Gauss-Markov)模型求解布尔莎-沃尔夫(Bursa-Wolf)七参数模型时,存在已知控制点含有粗差、模型系数阵固定常数参与残差改正的问题。通过对系数矩阵中含误差参数进行改正,并结合稳健估计的方法,对TLS进行迭代定权,解决了已知控制点粗差会对参数计算精度产生影响的问题,同时使得系数矩阵中非常数项得到精确的残差改正。本文通过实验数据证明,此方法可行并且解算精度更优。     

基于图分割的可变比例尺地图分幅回溯算法

总结了地图分幅需遵循的原则,并针对地图集中可变比例尺的分幅,将其定义为基于约束条件的图分割问题,用最小生成树(minimum spanning tree,MST)将制图区域关联起来,基于回溯算法对MST裁剪实现地图集的分幅。实验结果表明,所提出的方法能较好顾及地图集分幅的相关原则,满足地图集制作的要求。同时,利用该方法设计的地图集分幅工具已成功应用于《武汉市汉阳地区地名图集》等的制作,有效提高了地图设计人员的工作效率。     

中国24h台风路径预报难点及其大尺度环流分析

主要分析了2005—2012年中国24 h台风路径预报误差较大的样本及其对应的大尺度环流特征。基于850 hPa风场的低通滤波等分析发现:去除占总数3.9%的预报误差最大样本后,平均预报误差可以减小8.5%。这些预报误差最大的样本中有近60%呈现为移向误差较小、移速较观测慢的特点。与之相对应的大尺度环境场可分为气旋性环流、弱背景场和副热带高压西侧3类。气旋性环流包含近3/4的样本,其中又有一半受季风涡旋的影响。平均移动速度分析表明,这些台风起报时刻前后,平均移速的突然增加是预报移速较慢的主要原因,这是中国台风24 h路径预报的主要难点之一。     

深圳市闪电定位资料误差分析及其优化

利用场地误差优化模式对深圳地区的地闪定位资料进行优化处理。首先对深圳市闪电定位系统进行简单介绍,然后利用改进的传输线模式对真实地表环境下的闪电辐射电磁场进行计算,以分析深圳市闪电定位系统的场地误差,最后基于定位误差和场地误差模式对闪电定位数据进行定位误差订正。结果表明不同方位角上的不规则地形对继后回击电磁场波形具有不同影响,随着表征地形粗糙程度的高度均方根的增加,电场的峰值下降,波形的上升沿时间增加。同时,电场波形上升沿时间也会随着方位角的变化而变化,这可能会给时间到达法的定位带来一定误差。为了验证该算法的合理性,对该系统覆盖的区域进行了闪电定位数据优化精度的时空分布分析和评估。结果表明这种优化方案是可行的、可靠的,优化后的闪电定位精度明显提高。     

三种非线性回归逐时气温预报比较订正

选取ECMWF和T639的2013年1月至2014年12月的数值预报场构造预报因子,基于神经网络、支持向量机和构造函数的非线性方法,预报地面逐时气温。试验结果显示,在单个方法预报误差较大时,3种方法的偏差订正集成方法更利于减小误差,通过偏差订正,3种非线性方法预报效果良好,平均绝对误差减小了0.5 ℃。在近1年独立样本的预报检验中,集成方法、神经网络、支持向量机和构造函数预报的平均绝对误差分别为1.5 ℃、1.7 ℃、1．8 ℃和1．4 ℃,总体上构造函数预报更为准确。     

雷达雨量计联合估算降水在城市内涝模型中的应用

为了满足城市暴雨内涝模型对面雨量精细化的需求,在天津城市暴雨内涝模型的基础上,将雷达估算降水产品应用到模型面雨量计算中,针对2012年7月25—26日天津的大暴雨过程,考察4种雷达估算降水产品和两种插值方法计算的内涝模型面雨量。经过对比发现,利用变分方法计算的雷达估算降水产品VAR用曲面插值方法计算内涝模型的面雨量整体效果最好。     

WRF-Hybrid背景误差协方差调整在台风同化及预报中的应用研究

利用雷达径向风单点试验和2006年8月超强台风"桑美"个例,首先研究了静态背景误差协方差的尺度化因子和方差在台风系统雷达资料同化中对台风路径和强度预报的影响。结果表明:在高时空分辨率的雷达资料同化中,较小的尺度化因子能显著改进对台风路径的预报;尺度化因子的影响比方差的影响更为显著。基于上述实验结果,进一步研究了WRFDA-Hybrid系统中"流依赖"控制变量的水平局地化和垂直局地化对台风预报的影响。试验结果表明:当"流依赖"的水平局地化距离与静态背景误差协方差的尺度化因子具有等效影响范围的时候,WRFDA-Hybrid能够得到比较合理的分析结果。同时针对雷达观测资料的空间分布特征,本文提出了一种新的基于雷达探测高度的垂直局地化方案,对台风的强度和路径预报均有显著的改进。     

Evaluation of the Historical Sampling Error for Global Models

Various ensemble-based schemes are employed in data assimilation because they can use the ensemble to estimate the flow-dependent background error covariance. The most common way to generate the real-time ensemble is to use an ensemble forecast; however, this is very time-consuming. The historical sampling approach is an alternative way to generate the ensemble,by picking some snapshots from historical forecast series.With this approach, many ensemble-based assimilation schemes can be used in a deterministic forecast environment. Furthermore, considering the time that it saves, the method has the potential for operational application.However, the historical sampling approach carries with it a special kind of sampling error because, in a historical forecast, the way to integrate the ensemble members is different from the way to integrate the initial conditions at the analysis time(i.e., forcing and lateral boundary condition differences, and ‘warm start' or ‘cold start' differences). This study analyzes the results of an experiment with the Global Regional Assimilation Prediction System-Global Forecast System(GRAPES-GFS), to evaluate how the different integration configurations influence the historical sampling error for global models. The results show that the sampling error is dominated by diurnal cycle patterns as a result of the radiance forcing difference.Although the RMSEs of the sampling error are small, in view of the correlation coefficients of the perturbed ensemble, the sampling error for some variables on some levels(e.g., low-level temperature and humidity, stratospheric temperature and geopotential height and humidity), is non-negligible. The results suggest some caution must be applied, and advice taken, when using the historical sampling approach.