时移地震数据空间偏差校正方法

时移地震油藏监测技术是直接确定剩余油分布的关键技术之一。针对时移地震油藏监测在国内的需求及推广应用难点,研究了时移地震数据空间偏差校正处理方法。由于在观测系统、采集方向的处理参数等方面的差异,导致地下同一反射点在不同时移地震数据偏移后空间位置存在差异,产生与油藏变化无关的地震差异,增加数据解释的难度和风险。通过对参考数据与监测数据三维空间内的局部数据体的三维相关计算,确定监测数据体在x方向、y方向和时间方向上最佳移动量,从而实现两次地震数据空间位置差异校正。实际时移地震数据处理试验结果分析表明,空间偏差校正处理方法在消除时移地震数据三维空间非线性空间偏差方面是有效的。     

C型转换在新疆东天山某地区域化探系统偏差校正中的应用效果

因化探样品的采样、加工和分析测试条件的差异引起的不同比例尺图幅之间数据系统的偏差,歪曲了化探原始数据的找矿勘探意义,给化探背景与异常的划分、解译和评价造成了很大的困难,因而对系统偏差的校正具有重要的理论与现实意义。许多研究者为此提出了多种方法,其中的C型转换法的本意是突出区域化探数据的含矿信息,但研究表明C型转换法还可以用于系统偏差的校正。将C型转换应用于新疆东天山某地区的4个1∶20万As元素图幅间系统偏差的校正,具体步骤包括系统偏差的识别、数据的分离、结构分析和分区C型转换,取得了良好的效果。     

基于TRMM/PR的长江下游地基雷达一致性订正

我国有近200部地基多普勒天气雷达,已经积累了近20年的观测数据,这些数据对雷达气候学研究非常重要。但由于不同雷达的标定误差不同,雷达之间存在观测值不一致性的现象（与美国的地基雷达类似）,有的反射率因子差异超过了3 dB。这种不一致影响了多雷达联合降水估计的精度和雷达组网临近预报的效果。为此,采用筛选比较法对地基雷达与TRMM/PR（Tropical Rainfall Measuring Mission/Precipitation Radar）进行空间匹配和异常数据剔除,以TRMM/PR为参照计算并订正地基雷达偏差。对2013年5—9月长江下游7部S波段雷达数据订正后,结果表明:订正后7部雷达之间的平均反射率因子差异从1.8 dB降至0.5 dB,任意两部雷达之间的差异均小于1.0 dB,多雷达的观测一致性和空间连续性有明显改善。与传统的几何匹配法比较,筛选比较法订正结果相对稳定,不存在过量订正的问题。     

B08RDP区域集合预报温度场质量评估与综合偏差订正

针对B08RDP(The Beijing 2008 Olympics Research and Development Project)5套区域集合预报资料,系统分析了各套集合预报温度场的预报质量。在此基础上运用集合预报的综合偏差订正方法对温度场进行偏差订正,并对其效果进行了分析讨论。结果显示:5套B08RDP区域集合预报中,美国国家环境预报中心(NCEP)区域集合预报温度场的整体预报质量最高,平均预报误差最小,离散度也最为合理,预报可信度和可辨识度均较优;而中国气象科学研究院(CAMS)的温度预报误差过大,预报质量最差。整体上看,除NCEP之外的4套集合预报的温度场均存在集合离散度偏小的问题;综合偏差订正能有效减小各集合预报温度场的集合平均均方根误差,改善集合离散度的质量,显示出综合偏差订正方案对集合预报温度场偏差订正的良好能力。     

云南省细网格气候区划及气候代表站选取

利用1961—2008年云南省124站气温观测资料,经过地形订正后,形成1km×1km的细网格点数据。在此基础上,开展了云南省细网格气候区划及气候代表站选取的研究。结果表明,云南可划分为高原气候带、温带、北亚热带、中亚热带、南亚热带和北热带等6个气候带,所占面积分别为3.32×104、3.65×104、15.65×104、6.82×104、8.66×104和1.31×104km2;高原气候带分布在滇西北3000m以上高海拔地区,温带主要分布在滇东北和滇西北海拔高度为2200～3000m的地区,北亚热带主要分布在滇中、滇西、滇南高海拔地区和滇北低海拔地区,中亚热带主要分布在滇中、滇东南和滇西南海拔较高的地区,南亚热带主要分布在滇南和河谷地区,北热带主要分布在滇南和海拔较低的河谷地区;各气候带分布与地形和纬度相关联,地形因素比行政区域更能体现气候特征;通过站点序列与气候带序列趋势变化一致性和偏离程度的统计分析,所选气候代表站与相应气候带序列变化非常一致,能够较好地代表云南各气候带变化特征     

雷达回波垂直廓线及其生成方法

研究雷达回波Z (R) 垂直廓线VPR有两个重要内容: 一是VPR的生成方法, 二是用VPR订正雷达估算降水的技术。在简要比较现有生成方法———参数法、平均法和识别法的主要特点后, 认为平均垂直廓线MVPR具有简便、实用的优点。文章着重对MVPR的生成方法作了细致的探讨, 形成了4种生成算法, 并作了比较; 展示了各种生成参数对MVPR的不同作用, 并简要介绍了一个应用程序框图。对两个降水实例实施订正后初步评估表明, 用MVPR订正雷达估算降水可使评估因子R/G从0.84 (0.86) 提高到0.93 (0.97), 而绝对误差率则下降4%。     

采用不同失效准则的桩基可靠度分析

桩基的极限承载力通常是根据失效准则来确定的。由于各国采用的失效准则不同,得到的极限承载力也不同,从而获得的可靠指标也不同。因此,有必要分析和比较不同失效准则对桩基可靠性的影响,以及根据桩基技术规范采用的S-lgt失效准则确定可靠指标的状况。为此,以S-lgt失效准则为基准,引进了失效准则的偏差系数的概念,根据一组实测钻孔桩数据对另外6种失效准则的偏差系数进行了评估,进而进行了可靠度分析。结果表明,不同失效准则具有不同的偏差系数,桩基可靠度明显地受失效准则的影响。根据S-lgt失效准则确定的可靠度在7种失效准则中是偏大的,不同失效准则确定的相同名义可靠指标的桩基的实际可靠性是不一样的。     

L波段探空观测偏差分析及订正算法研究

为了探讨探空观测的水汽可降水量资料的可靠性,本文以GNSS/MET遥感的大气可降水量为参照标准,对广东汕头站2013年以及西藏那曲站2016年6月至2017年5月的两种可降水量观测结果进行对比分析和偏差订正。经过研究分析表明:两个站探空可降水量相比地基GNSS可降水量偏干,偏差分别为7. 4%和9. 8%。探空可降水量的偏差显示具有季节变化和日变化的特征,其中夏季偏差较明显,00时比12时明显。太阳辐射加热引起的地面气温的日变化和季节变化是造成偏差的重要原因。本文根据太阳辐射偏差订正经验公式,对两个站的探空可降水量进行偏差订正,订正后偏差明显减少。     

Improvement of 6–15 Day Precipitation Forecasts Using a Time-Lagged Ensemble Method简

A time-lagged ensemble method is used to improve 6-15 day precipitation forecasts from the Beijing Climate Center Atmospheric General Circulation Model,version 2.0.1.The approach averages the deterministic predictions of precipitation from the most recent model run and from earlier runs,all at the same forecast valid time.This lagged average forecast （LAF） method assigns equal weight to each ensemble member and produces a forecast by taking the ensemble mean.Our analyses of the Equitable Threat Score,the Hanssen and Kuipers Score,and the frequency bias indicate that the LAF using five members at time-lagged intervals of 6 h improves 6-15 day forecasts of precipitation frequency above 1 mm d-1 and 5 mm d-1 in many regions of China,and is more effective than the LAF method with selection of the time-lagged interval of 12 or 24 h between ensemble members.In particular,significant improvements are seen over regions where the frequencies of rainfall days are higher than about 40％-50％ in the summer season; these regions include northeastern and central to southern China,and the southeastem Tibetan Plateau.     

基于Bayes判别法的结冰现象资料序列订正

针对安徽省81个国家级地面气象站1961—2018年结冰现象资料序列,采用要素一致性、内部一致性、空间一致性等方法进行数据质量控制,基于质量控制后的正常年份数据进行Bayes判别模型训练,应用训练所得模型完成异常年份结冰数据的订正。结果表明:安徽省共有38个台站累计84年的年结冰日数质量控制检查异常,年结冰日数异常年份主要集中在1961—1970、1988—1999和2015—2017年,造成年结冰日数异常的原因有部分台站历史观测任务简化、气象台站分类调整以及地面气象观测业务改革等。利用Bayes判别法构建了多个结冰现象判别模型,经检验发现,模型1和模型3具有较高的判识正确率、命中率、TS评分以及较低的误警率。考虑计算的简便性,选用模型1对异常年份结冰数据进行逐日订正。通过六安站、太和站和无为站异常年份结冰现象订正结果对比发现,基于Bayes判别法的结冰现象判别模型,对不同时间段内、不同原因造成的结冰现象观测记录异常的订正均较为合理,订正后的年结冰日数变化趋势更符合实际情况,表明采用Bayes判别模型订正结冰现象是合理、可行的。