Forecast of wheat yield throughout the agricultural season using optical and radar satellite images

The aim of this study is to estimate the capabilities of forecasting the yield of wheat using an artificial neural network combined with multi-temporal satellite data acquired at high spatial resolution throughout the agricultural season in the optical and/or microwave domains. Reflectance (acquired by Formosat-2, and Spot 4–5 in the green, red, and near infrared wavelength) and multi-configuration backscattering coefficients (acquired by TerraSAR-X and Radarsat-2 in the X- and C-bands, at co- (abbreviated HH and VV) and cross-polarization states (abbreviated HV and VH)) constitute the input variable of the artificial neural networks, which are trained and validated on the successively acquired images, providing yield forecast in near real-time conditions. The study is based on data collected over 32 fields of wheat distributed over a study area located in southwestern France, near Toulouse. Among the tested sensor configurations, several satellite data appear useful for the yield forecasting throughout the agricultural season (showing coefficient of determination (R²) larger than 0.60 and a root mean square error (RMSE) lower than 9.1 quintals by hectare (q ha⁻¹)): C_VH, C_HV, or the combined used of X_HH and C_HH, C_HH and C_HV, or green reflectance and C_HH. Nevertheless, the best accurate forecast (R² = 0.76 and RMSE = 7.0 q ha⁻¹) is obtained longtime before the harvest (on day 98, during the elongation of stems) using the combination of co- and cross-polarized backscattering coefficients acquired in the C-band (C_VV and C_VH). These results highlight the high interest of using synthetic aperture radar (SAR) data instead of optical ones to early forecast the yield before the harvest of wheat.     

露天矿边坡变形监测中BP神经网络模型优化设计

提出了一种提升露天矿边坡位移量预测精度和收敛速度的基于自适应混合跳跃粒子群算法(AHJPSO)改进的BP(Back Propagation)神经网络模型。传统的BP神经网络模型在位移量预测过程中存在收敛速度慢、预测精度低、易陷入局部极小值的问题,而自适应混合跳跃粒子群算法具有快速寻优能力以及能够在迭代计算的过程中有效避免陷入局部极小值的能力,所以采用自适应混合跳跃粒子群算法优化后的BP神经网络模型,能够使BP神经网络模型对露天矿边坡位移量的预测精度更高、算法收敛速度更快,并有效跳出局部极小值。     

维纳过程在基坑变形监测数据处理中的应用

基坑监测是保证基坑工程安全施工和运行的重要手段。基坑的变形受到较多外部因素的影响,很难用力学模型或经验公式进行计算和预测。本文引入维纳过程对基坑变形数据进行建模,然后,在历史监测数据的基础上利用卡尔曼滤波对基坑变形进行预测。应用实际监测数据和基于维纳过程的预测模型,进行了某基坑监测数据的预测实验。结果表明,该方法能够根据历史监测数据进行较为准确、高效的预测。     

河南省冰雹短期预报方法研究

利用1999—2010年共45个冰雹日个例(全省同一天有≥2站出现冰雹),分析冰雹日高低空、地面形势特征和降雹落区,发现降雹与500 h Pa环流形势关系密切。因此依据冰雹日08时500 h Pa高空形势及对流层低层的特点,将河南省冰雹天气形势划分为西北气流型、东北冷涡型、华北冷涡型及低槽型4个天气类型,并依据不同的天气类型给出可能发生冰雹的大致落区。由于冰雹的形成除有利的天气形势背景条件外,还必须具备低层水汽辐合、大气不稳定层结、触发机制3个基本条件,因此本文进一步对河南省冰雹日当日500 h Pa低槽低涡位置、地面冷锋位置、地面温度、露点温度、探空资料等进行分月统计,获得冰雹预报的判别指标。基于以上条件,引进中国科学院大气物理研究所研发的完全弹性三维冰雹云模式,依据河南省内及周边的共7个探空站资料制作河南省的区域客观预报。通过4个月的业务应用,发现利用micaps实时资料并结合三维冰雹云模式来预报河南省的冰雹天气,空报率较高,漏报率较低,提高了冰雹的预报时效,为重点防雹作业区争取到了充分的作业准备时间。     

赤道中东太平洋海温相似预报研究

通过寻找过程相似的有效指标 ,建立了一个适合于时间序列分析的相似预报模式。将该模式应用于 ENSO的重要指标—— NINO3区海温指数预报 ,结果表明 :海温相似预报较持续性预报在预报效果 (如误差和相关系数 )上有明显的提高 ,特别是在 6～ 8个月时效上更为突出 ;模式的有效预报时效为 8个月 ,基本上达到国际上同期的模式水平。在有效预报时效 8个月内 ,冬半年的预报相关性普遍高于夏半年 ,其中 ,1 2月份的预报相关性最高 ,而 6,7月份的预报相关性最低。对于所有时效 ,2～ 4月份的预报误差最小 ,而 1 2月份的预报误差最大。相似预报对于转折事件具有较好的预报能力 ,尤其是对于 El Nino结束和强 El Nino开始     

用日本数值预报产品预报桂林市强降水的检验

用日本数值预报产品 JFU FE5 0 2、JFU FE5 0 3,对桂林市大雨以上强降水过程进行分析检验 ,结果表明有较好的预报能力 ,只是预报值偏小 ;在不同天气系统影响下 ,其预报性能也有所不同。实际运用时 ,结合天气形势、实际预报经验和其它预报方法进行有效订正 ,能提高强降水预报准确率     

钦州市2000年春播期天气特征成因分析及其前兆信号

分析 2 0 0 0年春播期环流形势及其前兆信号得出 :南支槽较活跃 ,冷空气在江南堆积是形成钦州市 2月下旬长低温阴雨过程的机制 ;高空北支槽经向度加大 ,南支槽不活跃 ,东亚大槽明显偏东造成了 4月钦州市降雨量的偏少 ;前一年 9月 5 0 0 h Pa环流形势 ,拉尼娜现象 ,前一年秋冬季的副高、极涡以及本地气候异常是次年春播天气的前兆信号。同时通过对预报思路的分析和回顾 ,为以后的预报提供了新思路。     

广西气象台城市空气质量预报业务系统

介绍广西气象台城市空气质量预报业务系统的流程规范、设计思想、技术路线和功能模块     

周口分县短期天气预报系统

利用ECMMF格点预报产品和14年历史实况资料，在预报后日前后10天左右找相似，采用VC＋＋4．0和VB5．0编程，制作周口分县24h天气预报。经试验，预报准确率为68．6％。     

双候西风场中期降水客观预报方法

作者在亚洲自然天气区域的基础上,提出可用一条特征等高线来表征中纬度西风场特征的观点,进而提出一种双候相似相关的中期降水客观预报方法.经1988—1989年两年使用结果表明.它可以提高中期降水预报的能力.