基于动力降尺度的区域集合预报初值扰动构建方法研究

利用全球集合预报系统资料(Global Ensemble Forecast System,GEFS),基于WRF中尺度模式构建了区域集合预报系统,区域集合初值的构建采用两种方案,一种是GEFS全球集合预报初值场直接动力降尺度(称为DOWN集合),另一种是提取GEFS全球集合降尺度后的扰动场,并叠加到区域数值预报系统(北京快速更新循环数值预报系统:Beijing Rapid Update Cycle System,BJ-RUC)分析场上构建集合初值场(称为D-RUC集合)。进行了批量试验,通过对比发现D-RUC集合的中小尺度扰动增长优于DOWN集合,而大尺度扰动分量的增长两者相当,说明与高分辨率分析场叠加可以促进动力降尺度扰动的中小尺度扰动分量的增长。集合预报扰动准确性检验结果显示,短预报时效内DOWN集合扰动明显低估了预报误差,在预报误差较大的位置扰动较小,而D-RUC集合能够更好地识别预报场中哪些位置预报误差较大,而哪些位置预报误差较小。集合预报检验结果表明,D-RUC方法能显著改善短时效预报效果,集合离散度有所增加、均方根误差有所减少,概率预报评分显示D-RUC集合比DOWN集合在短预报时效占优。降水个例分析结果表明D-RUC方法能显著改善短时效内的降水概率预报效果。     

Protecting Important Agricultural Heritage Systems (IAHS) by Industrial Integration Development (IID): Practices from China

With Globally Important Agricultural Heritage Systems (GIAHS) increasing in number around the world, their conservation has become a new international research theme. From the perspective of combining theoretical analyses and practical case applications, this study examines the Important Agricultural Heritage Systems (IAHS) conservation pathways and operation mechanisms through industrial integration development (IID). First, the theoretical framework of IID in IAHS sites was constructed according to the requirements of IAHS conservation, which include analyses of the connotation and basic principles of IID, the necessity of IID for IAHS sites, the resource conditions, and the IID pathways. And then based on the theoretical framework, the IID of Longji Terraces in Guangxi, Honghe Hani Rice Terraces System in Yunnan (HHRTS), Aohan Dryland Farming System in Inner Mongolia (ADFS), and Huzhou Mulberry-dyke & Fish-pond System (HMFS) in Zhejiang are analyzed systematically. The main finding is that IID is an effective pathway for IAHS conservation. However, the IID in IAHS sites must stress the ecological and cultural values of the resources; IID should be based on local resource advantages; and IID should attach importance to the combination of different policies and coordination between different stakeholders.     

高分辨率青藏高原历史月降水数据重建

青藏高原对全球气候研究具有重要意义,而降水数据对水文、气象和生态等领域的研究也至关重要,且随着研究内容和尺度的变化,对高时空分辨率的历史降水数据的需求越发迫切。本文基于TRMM 3B43降水数据,采用随机森林算法,引入归一化植被指数(AVHRR NDVI)、高程(SRTM DEM)、坡度、坡向、经度、纬度6个地理因子,建立历史降水重建模型,获得1982-1997年分辨率为0.0833°的青藏高原年降水数据,然后根据比例系数法计算出月降水数据。为提高精度,利用站点数据对月降水数据进行校正。结果表明,该方法能简单有效地获得高时空分辨率的历史降水数据,决定系数R²大部分在0.4~0.9之间,平均值为0.6767,其中夏季效果最好,冬季效果最差;均方根误差RMSE和平均绝对误差MAE均在50 mm以下,RMSE均值为22.66 mm,MAE均值为15.97 mm;偏差Bias较小,基本在0.0~0.1之间。     

基于MODE对模式预报强风风场的检验分析

基于专业气象服务领域十分关注的模式强风预报性能的客观检验和致灾性强风预警服务效果的合理性判别问题,利用一次强风过程对电网专业气象预警服务效果的检验示范,探讨基于目标(面向对象)的诊断检验方法(Method for ObjectBased Diagnostic Evaluation,MODE)对强风事件检验的适用性。通过对强风空间检验的各个关键参数的选择确定、匹配分析,发现:(1)MODE检验的卷积半径、诊断量权重和匹配阈值等参数的选择,将影响检验目标的适度聚焦和误差表达的客观性,因此需要综合考虑预报和实况场的水平分辨率、用户对该类强天气预报误差的空间和时间冗余度等;(2)MODE检验可较好地量化给出模式预报的整体效果,包括:强风落区的范围大小和位置偏差、强风过程的时间相位差等,从而可量化判别出模式在各个时刻的空报和漏报区域以及对强风过程移动速度和生命周期长度的预报性能。     

基于数值预报和随机森林算法的强对流天气分类预报技术

随机森林算法是当前得到较为广泛应用的机器学习方法之一,有着很高的预测精度,训练结果稳定,泛化能力强,解决多分类问题有明显优势。本文将随机森林算法应用于强对流的潜势预测和分类,分短时强降水、雷暴大风、冰雹和无强对流四种类别,基于2005—2016年NCEP 1°×1°再分析资料计算的对流指数和物理量,开展强对流天气的分类训练、0～12 h预报和检验,经2015—2016年独立测试样本检验表明,针对强对流发生站点的点对点检验,整体误判率为21. 9%,85次强对流过程基本无漏报,模型尤其适用于较大范围强对流天气。随机森林算法筛选的因子物理意义较为明确,和主观预报经验基本相符,模型准确率高,可用于日常业务。     

Classifying natural-language spatial relation terms with random forest algorithm

The exponential growth of natural language text data in social media has contributed a rich data source for geographic information. However, incorporating such data source for GIS analysis faces tremendous challenges as existing GIS data tend to be geometry based while natural language text data tend to rely on natural language spatial relation (NLSR) terms. To alleviate this problem, one critical step is to translate geometric configurations into NLSR terms, but existing methods to date (e.g. mean value or decision tree algorithm) are insufficient to obtain a precise translation. This study addresses this issue by adopting the random forest (RF) algorithm to automatically learn a robust mapping model from a large number of samples and to evaluate the importance of each variable for each NLSR term. Because the semantic similarity of the collected terms reduces the classification accuracy, different grouping schemes of NLSR terms are used, with their influences on classification results being evaluated. The experiment results demonstrate that the learned model can accurately transform geometric configurations into NLSR terms, and that recognizing different groups of terms require different sets of variables. More importantly, the results of variable importance evaluation indicate that the importance of topology types determined by the 9-intersection model is weaker than metric variables in defining NLSR terms, which contrasts to the assertion of ‘topology matters, metric refines’ in existing studies.     

基于随机森林模型的珠江三角洲30 m格网人口空间化

人口空间化是实现人口统计数据与其他环境资源空间数据融合分析的有效途径。本文选取夜间灯光数据、道路网数据、水域分布数据、建成区数据、数字高程模型和地形坡度数据作为影响珠江三角洲人口分布的变量因子,利用随机森林模型对珠江三角洲2010年人口数据进行了30 m格网空间化,并将模拟结果与三个公开数据集作精度对比,最后基于随机森林模型的变量因子重要性分析珠江三角洲人口空间分布的影响因素。结果表明：本文模拟整体精度达到82.32%,均优于WorldPop数据集以及中国公里网格人口数据集,接近GPW数据集,而且在人口密度中等区域模拟精度最高;通过对变量因子重要性进行度量,发现夜间灯光强度是珠江三角洲人口分布的最重要指示性指标,到水域的距离、到建成区的距离和路网密度对珠江三角洲人口分布均具有重要作用。利用随机森林模型结合多源信息能够实现高空间分辨率的人口空间化,可为精细化城市管理提供重要数据源,也可为相关政策决策制定提供支持。     

FY-2G地表温度反演产品改变模式初值对一次台风暴雨模拟的影响

为探讨地表温度初始场在台风暴雨模拟中的重要性,以2015年第13号台风"苏迪罗"为例,分别用FY-2G卫星反演的陆表温度、海表温度产品替换NCEP资料初始场,进行数值模拟试验。对模拟结果进行分量级降水TS评分和预报正确率检验,并对比分析了各试验方案2 m温度场、感热通量和潜热通量场、900 h Pa流场和850 h Pa垂直速度场间的差异。结果表明:使用FY-2G卫星反演的陆、海表温度产品作模式初始场均能不同程度地改善降水模拟效果,但改善程度随时间降低,24 h后其改善作用已较小;陆表温度试验对小雨和中雨量级的预报质量均有提高,而海表温度试验仅提高了小雨量级的预报质量。进一步分析表明,陆表温度试验主要通过改善陆表温度初始场影响感热通量和潜热通量的分布,进而减小台风东北部低层温度正异常,使该区域气旋性环流减弱、垂直速度减小,有效抑制了虚假对流出现,最终达到改善降水预报质量的效果;海表温度试验原理与陆表温度试验类似,但对降水预报质量改善不明显,仅在广东南部沿海地区降水模拟效果较好。     

不同月海冰边界提取算法对南极海冰变化的影响分析

海冰与海水的交界地带是海-冰-气相互作用的重要区域,其变化会影响海洋生物栖息地的联通状态和海洋、大气的交换,确定海冰边界对于分析海冰动态变化具有重要意义[1-2]。被动微波传感器为长期监测海冰变化提供了大尺度的连续观测数据。从经典统计、随机集理论出发,应用三种由被动微波日均海冰密集度数据提取月均海冰边界的方法,分析三种月均边界的差异,以及不同月均边界提取方法对海冰长期变化分析的影响。     

基于影响因子动态更新的都市圈国土-人口协同模拟

都市圈作为典型的复杂巨系统,其国土、人口、交通等要素呈现出共同演化、协同发展的特征。现有基于元胞自动机的空间模拟方法通常分别进行国土或人口模拟,忽略了国土、人口之间的协同演化,从而限制了模拟性能。本文提出一种影响因子动态更新策略用以表征国土、人口两种要素间的相互作用,拓展经典元胞自动机模型构建协同模拟算法,实现了都市圈国土与人口空间分布态势的精准模拟。本文以深莞惠都市圈为例,对提出算法进行了实验验证。实验结果表明,本文提出协同模拟算法在深莞惠都市圈的国土模拟品质因素为0.274、人口模拟平均绝对百分比误差23.55%,分别优于传统基于随机森林的元胞自动机算法0.24和29.33%;相较于传统模型,在国土模拟中本模型在对于建设用地的模拟准确度提升了约3%,在人口模拟中本模型在对人口高密度的区域模拟误差降低了约6%。本文进一步预测了深莞惠都市圈2030年国土和人口发展空间态势。研究结果可为都市圈重大基础设施选址和发展情景推演提供技术支撑。