气候模拟数据的订正与应用——以北京为例

为了消除气候模拟数据中气候平均值和气候变率的漂移,发展了一种新的数据订正方案。应用该方案对IPCC提供的B2情景下北京未来100 a气候预估值进行了订正试验,证实了方案的可用性。在此基础上分析了北京未来气候变化特征,结果表明：21世纪北京气温将继续上升,升温速率约为0.31℃/10 a,最低、最高气温的非对称变化仍将持续;未来北京年降水量呈微弱下降趋势,下降速率约为1.03 mm/10 a。     

大地电磁测深三维反演系统及应用

大地电磁测深是基于电磁感应原理,在地表采集正交的电、磁场来研究地壳乃至上地幔电性结构的地球物理方法,后期衍生出采集高频天然场信号的音频大地电磁测深和采集人工源信号的可控源大地电磁法。此类方法在深部构造研究、矿产资源勘查、油气资源探测等多领域得到了广泛应用。近几年来,虽然其野外工作趋近三维勘探水平,但其采集数据的处理和三维反演研究仍然存在不足,限制了地质解释的准确度和效率。针对这些问题,我们开发了大地电磁测深的三维反演软件系统,系统主要分为静位移校正、三维反演的初始模型构建和三维反演3个模块,有效地解决了数据处理中的静位移问题和数据解释中的三维反演问题,并且其中涉及的很多算法改进了现有技术,在计算精度、计算效率和成本节约方面有很大优势,具有良好的应用前景。     

一种简单的网格图形局部放大技术

本文利用视口技术，根据坐标平移的原理，设计出一个用于有限元网格图局部放大的程序，并在微机上调试运行通过，本方法亦可应用于其他类型的曲线图放大。     

单点GPS浮标测波方法与数据质量控制研究

首先对GPS浮标测波原理进行分析,介绍了GPS接收器测量运动参数的多普勒方法;然后对于在现场测量中可能发生的采样丢失所导致的数据间断进行探讨,并提出了间断接续和冗余采样的解决方法,通过数值模拟实验证明了数据质量控制方法的有效性.     

一阶Buterworth递归式带通滤波器技术改进方案

把一阶Ｂｕｔｔｅｒｗｏｒｔｈ递归式（ＦＢＲ）带通滤波器应用于滑动样本,输出序列出现了振幅和位相的相对误差。为了克服这种现象给制作中长期预报带来的困难,作者通过数值试验,分析了该滤波器的误差传递特性,并设计了“拟定初值的三步滤波方案”。大量试验表明,该方案可较为有效地抑制输出序列的误差和位相飘移     

两次秋季北上台风引发东北地区暴雨的水汽特征

利用ERA5 0.25°×0.25°高分辨率再分析资料、实况融合降水资料、台风最佳路径数据集、HYSPLIT(Hybrid Single-Particle Lagrangian Integrated Trajectory model)后向轨迹追踪模型等资料,对2019年13号台风"玲玲"和2012年15号台风"布拉万"引发东北地区暴雨的水汽特征进行分析。研究表明:两次台风最大湿层厚度达200 hPa附近,700 hPa以下比湿大于10 g·kg^-1,高比湿主要集中在850 hPa以下的低层,台风的水汽分布具有明显的非对称结构特征。整层积分水汽通量散度与暴雨落区有一定的对应关系,尤其和降水强度对应。东北地区周边海域的水汽对东北暴雨的水汽供应很关键,源在日本群岛东部的西北太平洋的东南水汽通道是最重要的水汽通道。西南太平洋或阿拉伯海,包括欧拉方法研究发现的孟加拉湾较远距离的水汽输送存在,但是并非是东北台风暴雨的主要贡献者。     

基于显著性分析的SAR溢油图像中暗斑区域检测方法研究

为了提高合成孔径雷达(synthetic aperture radar,SAR)图像中海上溢油的检测精度,设计了一种图像显著性和均值偏移分割相结合的暗斑检测方法,验证了该方法在SAR溢油图像暗斑识别中的有效性,为溢油区域的准确检测奠定了基础.针对SAR溢油图像中暗斑区域在人类视觉中属于感兴趣区域的特性,利用图像显著性检...     

Data augmentation for bias correction in mapping PM2.5 based on satellite retrievals and ground observations

As most air quality monitoring sites are in urban areas worldwide, machine learning models may produce substantial estimation bias in rural areas when deriving spatiotemporal distributions of air pollutants. The bias stems from the issue of dataset shift, as the density distributions of predictor variables differ greatly between urban and rural areas. We propose a data-augmentation approach based on the multiple imputation by chained equations (MICE-DA) to remedy the dataset shift problem. Compared with the benchmark models, MICE-DA exhibits superior predictive performance in deriving the spatiotemporal distributions of hourly PM_2.5 in the megacity (Chengdu) at the foot of the Tibetan Plateau, especially for correcting the estimation bias, with the mean bias decreasing from –3.4 µg/m³ to –1.6 µg/m³. As a complement to the holdout validation, the semi-variance results show that MICE-DA decently preserves the spatial autocorrelation pattern of PM_2.5 over the study area. The essence of MICE-DA is strengthening the correlation between PM_2.5 and aerosol optical depth (AOD) during the data augmentation. Consequently, the importance of AOD is largely enhanced for predicting PM_2.5, and the summed relative importance value of the two satellite-retrieved AOD variables increases from 5.5% to 18.4%. This study resolved the puzzle that AOD exhibited relatively lower importance in local or regional studies. The results of this study can advance the utilization of satellite remote sensing in modeling air quality while drawing more attention to the common dataset shift problem in data-driven environmental research.