MJO预报研究进展

热带大气季节内振荡 (Madden-Julian oscillation,MJO) 是次季节-季节时间尺度气候变率的支配模态。它不仅对低纬度地区天气气候产生重要影响,还能够通过经向传播和激发大气遥相关波列对中高纬度地区产生影响,是延伸期尺度最重要的可预报性来源。因此,MJO预报是次季节-季节气候预测中极为重要的部分,近年来受到国际学术界广泛关注。该文回顾了MJO预报发展历史,概述了当前国际上主要科研业务机构的MJO预报发展现状。目前基于统计方法和气候模式的MJO预报研究取得了较大进展,特别是多个耦合气候模式和一种基于时空投影方法的统计模型均能够显著提升MJO预报技巧 (有效预报可达20 d以上)。该文还介绍了中国气象局国家气候中心在MJO预报技术发展和业务系统研制方面的新进展,当前基于第2代大气环流模式的MJO业务预报填补了国内空白,技巧为16~17 d,而耦合气候模式试验的技巧已达到约20 d。总体来看,利用耦合模式预报MJO是未来发展的主要方向,其中,面向MJO的模式初始化和集合预报新方法研究将是关注重点。     

低温雨雪过程的粒子群-神经网络预报模型

利用逐日气温和降水量数据、NCEP/NCAR再分析资料以及预报场资料,通过分析提取我国南方区域持续性低温雨雪过程及其预报因子,使用粒子群-神经网络方法建立非线性的统计集合预报模型 (PSONN-EPM),对我国南方区域持续性低温雨雪过程进行预报试验。结果表明:以过程的冷湿程度及影响范围为标准,将低温雨雪过程分为一般过程和严重过程,并建立不同的预报模型效果较好。通过10 d独立样本预报试验看,基于粒子群-神经网络方法建立的集合预报模型比基于逐步回归方法建立的预报模型的预报平均相对误差小,对严重过程预报能力高于对一般过程预报,且这种非线性统计集合建模方法在建模过程中不需要调整神经网络参数,在实际预报业务中值得尝试。     

C波段雷达在新疆区域数值预报系统中的应用初探

基于新疆区域数值预报系统（Desert Oasis Gobi Rapid Analysis Forecast System,下称DOGRAFS）,开展了同化C波段雷达资料对2010年10月6日发生在新疆的一次强降水过程预报结果影响的试验分析。其中设计包括不同化任何资料、同化常规资料、同化雷达反射率因子、同化雷达径向风、同时同化反射率因子和径向风五组试验,重点分析了雷达资料同化对此次天气过程降水、温度以及风速模拟效果的影响。结果表明：（1）同化雷达径向风和同时同化径向风和反射率因子相对于其他三组试验,对降水预报的TS和ETs评分更高;（2）相对于其他三组试验,同化雷达径向风和同时同化径向风和反射率因子对模式垂直方向上的温度、风速预报偏差具有一定的改善效果;（3）对于地面2 m温度和10 m风速而言,同化常规观测资料比其他四组试验预报的平均偏差和均方根误差更小;其它四组试验误差相当,差别不明显,表明同化雷达对近地面层温度和风的影响不明显。本研究旨在探索C波段雷达观测资料在新疆区域数值预报系统中的适用性,为今后雷达观测资料在业务系统中的应用提供参考。     

土壤湿度对卫星辐射率资料直接同化的影响

本研究利用WRF模式及其三维变分同化系统实现了对NOAA-16 AMSU-A微波资料的直接同化,针对2010年6月19日江西地区的一次强降水过程开展模拟与同化试验,并利用中国区域土壤湿度同化系统(CLSMDAS—China Land Soil Moisture Data Assimilation System)输出的土壤湿度值替换NCEP(National Centers for Environmental Prediction)资料中的土壤湿度,研究土壤湿度初值对辐射率资料直接同化中观测场与背景场偏差调整的影响。结果表明:采用CLSMDAS输出土壤湿度初值条件下模拟的亮温值与实际观测值更为接近,经过质量控制和偏差订正后更多的观测资料能够进入到同化系统中,说明改进的土壤湿度初值条件下观测算子的计算值得到正的调整,对低层地表通道的改进效果明显,尤其以50.3 GHz的窗区通道3的结果最为理想;针对此次强降水过程中24 h累积降水分布的模拟结果,CLSMDAS输出土壤湿度初值条件下同化AMSU-A资料,能够较为准确的把握整个雨带的走向、大雨以上级别降水的落区范围、降水中心落区及强度等。说明准确的土壤湿度初值能够改进卫星辐射率资料的同化结果,进而提高数值模式的模拟预报能力。     

GPS掩星资料三维变分同化对台风模式预报的改进试验

本文尝试了GPSRO COSMIC资料在中尺度数值模式中的应用,利用COSMIC资料受云和降水影响较小,且有高数据精度、高垂直分辨率等优点,以改善模式初始场,进而提高预报准确度。模式采用中尺度气象模式WRF V3.0.1版本及其三维变分同化系统3DVAR,利用NCEP再分析资料、GTS资料和COSMIC资料对2009年第8号台风"莫拉克"登陆台湾岛前到登陆台湾岛的过程进行了模拟试验,并对温度、露点温度、对流有效位能等要素进行了诊断分析。试验结果表明:该项试验成功将COSMIC资料同化进模式,加深对"莫拉克"热力结构特征的了解,有效改善台风降水和路径预报,其中仅屏东县单点降水预报提高600 mm左右,24 h预报路径误差提高80 km以上。同时对提高台风强度预报起到积极作用。     

Semisupervised heterogeneous ensemble for ship target discrimination in synthetic aperture radar images

Ship detection using synthetic aperture radar (SAR) plays an important role in marine applications. The existing methods are capable of quickly obtaining many candidate targets, but numerous non-ship objects may be wrongly detected in complex backgrounds. These non-ship false alarms can be excluded by training discriminators, and the desired accuracy is obtained with enough verified samples. However, the reliable verification of targets in large-scene SAR images still inevitably requires manual interpretation, which is difficult and time consuming. To address this issue, a semisupervised heterogeneous ensemble ship target discrimination method based on a tri-training scheme is proposed to take advantage of the plentiful candidate targets. Specifically, various features commonly used in SAR image target discrimination are extracted, and several acknowledged classification models and their classic variants are investigated. Multiple discriminators are constructed by dividing these features into different groups and pairing them with each model. Then, the performance of all the discriminators is tested, and better discriminators are selected for implementing the semisupervised training process. These strategies enhance the diversity and reliability of the discriminators, and their heterogeneous ensemble makes more correct judgments on candidate targets, which facilitates further positive training. Experimental results demonstrate that the proposed method outperforms traditional tri-training.     

基于分层EOF的深海声速剖面时变特征建模

针对目前局部海域小时间尺度声速场建模方法未顾及不同深度区间内声速变化规律的问题,本文根据实测深海声速剖面的统计特征,提出了声速剖面分层方法,并进一步基于经验正交函数（Empirical Orthogonal Function, EOF）提出了局部小时间尺度的声速剖面分层时变模型构建方法。利用南海实测全海深声速剖面数据,分析了分层EOF第一模态系数和等效平均声速的日变化特征,并比较了不同拟合模型的精度。最后,利用试验海区的温度和潮汐数据分析了声速剖面周期变化的影响因素。结果表明： ①声速剖面分层EOF第一模态系数及等效平均声速具有日周期变化特征,上层声速日周期变化特征不明显,中层声速日周期变化特征较明显,下层声速变化较小但仍具有日周期变化特征;②局部海域小时间尺度声速拟合应考虑长期变化项的影响;③试验海区声速剖面EOF第一模态系数变化与温度显著相关,提取的声速剖面时变特征与海区潮汐周期特征基本吻合。     

基于深度学习的滑坡灾害易发性分析

滑坡灾害成因机理复杂、影响因素众多,深度学习作为当前人工智能领域的热点,能够更好地模拟滑坡灾害的形成并准确预测潜在的斜坡。为了挖掘深度学习在滑坡易发性的应用潜能,本文构建了一维、二维和三维的滑坡数据表达形式,并提出3种基于卷积神经网络模型（Convolutional Neural Networks, CNN）的滑坡易发性分析处理框架：基于CNN分类器、基于CNN与逻辑回归的融合和基于CNN集成,最后以江西省铅山县为研究对象进行验证,结果表明：所有基于CNN的易发性模型都能够获得准确且可靠的滑坡易发性分析结果。其中,基于二维数据的CNN模型在所有单分类器中预测精度最高,为78.95%。此外,二维CNN特征提取能够显著提升逻辑回归的预测精度,其准确率提升7.9%。最后,异质集成策略能够大幅度提升基于CNN分类器的滑坡预测精度,其准确率提升4.35%~8.78%。     

海洋生态模型中参数时空分布的反演研究

本文将伴随同化方法应用于海洋生态系统动力学模型。将一年平均分为72个过程,通过同化每一个过程研究区域(17°N-~45°N,173°E~142°W)内的SeaWiFS表层叶绿素数据,优化影响生态机制的5个关键参数Vm、Dz、e、Gm、Dp(简称KP),得到他们在研究区域内的时空分布。对于KP中的每一个参数,首先,分别将其在时间和空间上求平均,得到参数的空间分布场(KPS)和时间分布序列(KPT);其次,将KPS在空间上求平均,得到一个常数(KPC),并利用KPS、KPT和KPC表示出KP的另一种时空变化形式KPST,它减少了模拟过程中变量个数。结果表明,无论是空间分布还是时间分布,Vm、Dz和e具有相同的分布特征和变化趋势,相关系数可达0.99,Dp和Gm亦然,;而Vm、Dz和e的变化趋势与Dp和Gm的变化趋势呈负相关,相关系数可达-0.99。5个参数的变化趋势符合物理意义和生态机制。将模型中的参数分别按上述5种形式赋值,正向运行模式1年,结果表明,考虑参数时空分布的实验误差最小。说明在海洋生态系统动力学数值模拟中,与只考虑参数的空间分布或者只考虑参数的时间分布相比,考虑参数时空分布更合理,更具有物理意义且符合生态机制;伴随同化技术在优化时空变化的参数方面,是一种有效的,普遍适用的方法。     

带Sobolev临界指数的非齐次拟线性椭圆型方程正解的存在性

在RN上讨论带临界项的拟线性椭圆型方程正解的存在性问题。在一个正锥上应用Ekeland变分原理构造一个比P.S(.)c序列要弱的序列,通过证明该序列具有相对紧性,得到一个弱正上解,进而利用上下解方法得出所研究的问题至少存在一个弱正解。