1961-2010年河北省太阳直接辐射时空分布特征研究

利用1961-2010年河北省周边7个太阳辐射观测站的资料,拟合得出相对精确的河北省太阳直接辐射经验公式,分析了河北省太阳直接辐射时空变化特征。结果表明：河北省近50 a来太阳直接辐射年总量总体呈明显的下降趋势。其中,下降幅度相对较大的石家庄为25%,下降幅度相对较小的唐山为11%。河北省水平面太阳直接辐射年总量近50 a平均值空间差异较大,<2540MJ·m^-2 主要分布在邢台南部,>3510MJ·m^-2 主要分布在张家口西北部,大部分地区介于2540-3300MJ·m^-2 。河北省太阳能资源开发利用潜力比较大的区域主要在张家口的坝上地区。     

1988-2009年中国海及周边海域大浪频率对ElNino的响应

以CCMP风场驱动目前国际先进的第三代海浪模式WAVEWATCH-Ⅲ,对1988-2009年中国海及周边海域的海浪场进行数值模拟,探索近22年期间该海域的大浪频率与El Nino现象的内在联系。结果表明中国海及周边海域的大浪频率与El Nino有着密切的联系:(1)大浪频率与nino3指数的同期、大浪频率滞后1-4个月与nino3指数表现出显著性负相关,尤其是当大浪频率滞后2个月时,与nino3指数的负相关最强;当大浪频率滞后7-10个月时,大范围海域与nino3指数呈显著性正相关,大浪频率滞后8个月时,与nino3指数的正相关达到最强。(2)无论1988-1997年还是1999-2009年,大浪频率滞后8个月的曲线走势与nino3指数的走势表现出非常好的一致性,相关系数高达0.70、0.73。(3)中国海及周边海域的大浪频率与nino3指数具有共同的5.87-6.29个月、11.00-13.54个月的显著性变化周期;同时还具有共同的3.5-4.7年的年际变化周期,以及7年的长周期变化。(4)中国海及周边海域的大浪频率与nino3指数在20世纪末、21世纪初存在共同的突变期,nino3指数的突变略超前于大浪频率的突变。     

一种面向像斑的高分辨率遥感影像相对辐射校正方法

在认为不同类别地物的光谱响应值在不同时期具有不同的线性关系的基础上,提出了一种基于像斑的高分辨率遥感影像相对辐射校正方法。首先以相关系数为基础将像斑划分为变化像斑和未变化像斑两大类,再对未变化像斑利用随机数据一致性算法解求增益和偏移参数,对于变化像斑则将与其最相似的未变化像斑的增益和偏移参数作为该像斑的校正参数,最后利用各像斑的校正参数进行线性校正。在高分辨率遥感影像上的实验结果验证了本文方法的有效性。     

3C273的光学光变周期

收录了类星体3C273约110年的光学资料，并在此基础上讨论了光变周期性.当用两种不同方法(Jurkevich方法及DCF(离散相关系数)法)分析时，发现光变曲线中存在周期为2.0年、(13.65±0.20)及(22.5±2.0)年的周期性.同时也讨论了这种周期的可能机制.     

绿地信息提取研究

城市绿地作为城市结构中的主要元素,在城市中起着一个重要的作用。本文基于TM遥感影像,对大连市城市绿地专题信息进行提取,并对绿地格局进行研究和探讨。通过计算各组成分分量和归一化植被指数ND-VI之间的相关系数来进行波段组合,提高了遥感影像的分类精度。结果显示该方法可以准确地得到绿地信息。     

库尔勒地震台地倾斜数据一致性及气象因素分析

利用别尔采夫滤波、一般多项式拟合等方法将库尔勒地震台地倾斜、气温、气压观测数据分解为日波、半日波、1～2月周期的月波和年周期变化的年波,然后再利用相关性分析研究库尔勒地倾斜不同频段的观测数据一致性及与气象干扰因素的关系。结果表明：(1)库尔勒地倾斜在日波、半日波频段一致性较好,均能较好地反映出固体潮的变化;(2)库尔勒地倾斜在月波频段的一致性较差,仅垂直摆EW分量与气压月波具有一定的相关性;(3)库尔勒地倾斜年波经相位平移之后,均与气温具有较高的线性相关性,结合物理机理分析库尔勒地倾斜年周期变化受温度影响的原因。     

中国北方典型沙尘天气特征研究

 根据API、风速、风向及相关气象数据初步研究了中国北方两次典型沙尘天气的天气特征。两次沙尘天气过程中极大风速大于7.2 m·s-1的气象站占88%。2005年4月27日极大风速超过17.2 m·s-1的气象站有31个,出现频率最高的风向为西西北,28日达到81个,风向为北风,极大风速高值区由内蒙古中东部向东北方向迅速扩大。2007年3月30日极大风速超过17.2 m·s-1的气象站有57个,31日达到68个,风向均为西西北,极大风速高值区分布较为稳定。受沙尘暴影响的地区API显著升高。2005年4月28日呼和浩特、大同、北京3个城市的API分别为418、500、500。2007年3月31日呼和浩特、赤峰、大同3个城市的API分别为500、500、423。对PM10与气象因子的相关性进行分析得出,沙尘暴期间,大气中可吸入颗粒物的浓度与风速存在显著的正相关关系,风速越高的地区,可吸入颗粒物的浓度越大。     

基于优化包络相关法的罗兰C天波延迟估计算法

针对低信噪比条件下,罗兰C天波信号延迟时间估计的准确性和有效性问题,提出基于优化包络的相关系数时域法。通过分析标准罗兰C信号包络的特征,分别采用微分和二次微分方法对罗兰C信号包络进行优化,形成陡峭的包络信号上升沿;利用相关系数法对接收信号包络和参考信号包络进行匹配,形成的匹配峰值分别对应地波和天波信号到达的时刻,由此可获得天波信号的延迟时间;通过仿真分析和实测信号试验验证,证明该方法能满足数字化接收机的实际要求,并具有更高的抗干扰能力、估计准确性和自动识别功能的特点。估计的结果还可以作为判别相位跟踪和周期识别正确率的辅助依据。     

由地基微波辐射计测量得到的北京地区水汽特性的初步分析

首先对比分析了三种测量水汽技术(地基微波辐射计、探空、GPS)之间的差异, 得到地基微波辐射计与探空的差值为0.281cm, GPS与探空的差值为0.728 cm, 地基微波辐射计与GPS的差值为0.322 cm。接着就地基12通道微波辐射计测量得到的水汽总量 (简称PWV), 分析了北京地区水汽在四个季节中的日变化特征。秋季日变化差为0.162 cm, 冬季日变化差为0.130 cm, 春季日变化差为0.229 cm, 夏季日变化差为0.276 cm。另外, 北京地区四个季节中水汽最大值/最小值出现频率最高的时间段呈现一定的特征。即四个季节中在北京时间00:00到00:59和23:00到23:59这两个时间段中, 水汽出现最大值/最小值的概率较其他时间段都高, 其中冬季在北京时间10:00到10:59之间出现最小值的概率最高。水汽总量PWV每小时变化率在四个季节中都存在这样的现象: 出现正的水汽总量PWV每小时变化率的百分比与出现负的水汽总量PWV每小时变化率的百分比相当, 几乎都为50%。最后就水汽与温度相关性做了分析, 分别得到四个季节中各个小时水汽与温度的相关系数, 结果显示各个小时水汽与温度的相关性在四个季节中, 除了夏季从北京时间09:00到22:00为负相关外, 其他时间段内都为正相关。而且各个小时水汽与温度的相关系数都按照秋、春、 冬、夏的顺序递减。     

Relationship between East Asian Monsoon and Dust Weather Frequency over Beijing

The relationship between dust weather frequency (DWF), which denotes the number of days of dust weather events, over Beijing and the East Asian Monsoon (EAM) was studied using DWF data for Beijing during the period 1951--2006. Results show that, during this period, the blowing-dust weather frequency (BDWF), as well as the indices of East Asian winter monsoon (EAWM) and East Asian summer monsoon (EASM), all decreased considerably, with a t-test confidence level of 99%. The correlation coefficients between the chosen EAWM index and BDWF over Beijing in winter and the following spring were 0.34 and 0.33, respectively, with significance levels of 0.01 and 0.02, respectively. For the chosen EASM index and BDWF, these correlation coefficients were 0.51 and 0.45, respectively, with both at a confidence level exceeding 99.9%. With the linear trends removed, the values (in the same order as above) were 0.14, 0.14, -0.12, and -0.09, all not significant at the 95% confidence level. Clearly, the EAM relates mainly to DWF over long timescales. To a certain extent, the EAM might have some impact on DWF by affecting the associated surface air temperature and precipitation during the corresponding time period in sand-dust source regions at the interannual scale. A stronger (weaker) EAWM might advance (suppress) the occurrence of DWF, and the opposite for the EASM.