考虑预报偏差的迭代式集合卡尔曼滤波在地下水水流数据同化中的应用

集合卡尔曼滤波（Ensemble Kalman Filter,EnKF）方法已广泛应用于地下水水流和污染物运移模拟相关问题的求解。但前人研究多建立在同化系统预报模型是准确的基础上,忽视了模型概化的不确定性。当模型概化不准确时,将导致预报偏差,可能带来错误的系统估计。因此,文章提出考虑模型预报偏差的迭代式集合卡尔曼滤波（Bias aware Ensemble Kalman Filter with Confirming Option,Bias-CEnKF）方法。以地下水水流数据同化为例,研究模型概化存在不确定条件下,边界条件、初始条件、源汇项概化不准确时新方法的有效性。结果表明,当预报模型概化不准确时,使用标准EnKF方法进行数据同化,可能会导致滤波发散,造成同化失败。Bias-CEnKF方法不仅保留了较好的同化性能,同时减小了参数、变量、偏差项非线性关系带来的不一致性。针对文章中4种情景,Bias-CEnKF同化获得的含水层渗透系数场以及水头场均接近真实场,且预报结果可靠。本研究进一步提升了模型概化不确定时EnKF方法的适用性,为实际野外复杂条件下地下水水流数据同化问题提供了可靠的方法。     

基于多传感器遥感数据和改进的单类随机森林的滑坡提取

提出一种利用面向对象多特征和改进的单类随机森林分类器（improved one-class random forest classifier,iOCRF）从多传感器遥感数据提取滑坡的新方法。从两时相高分辨率多光谱图像和中分辨率数字高程模型（DEM）数据中提取的图像对象多特征,来定量表达滑坡引起地表变化和滑坡区地形特征,利用iOCRF对所有特征图像进行分类以提取滑坡。据研究区两时相高分辨多光谱图像和30 m分辨率的ASTER全球DEM数据对提出的方法进行评价。结果表明,所提出方法的提取精度优于只利用部分特征提取和利用传统随机森林的提取精度;利用iOCRF计算不同特征的重要性,并分析不同特征对滑坡提取的贡献。     

利用卷积神经网络和小面元进行人脸图像替换

提出了一种基于卷积神经网络和小面元的人脸替换方法.首先,使用级联卷积神经网络确定人脸位置,并应用全卷积网络对人脸进行分割以确定替换区域;然后,应用回归森林的人脸关键点技术和Delaunay三角剖分建立人脸三角网,对人脸小面元进行替换;最后,应用泊松融合消除拼接痕迹.定性和定量的试验结果表明,该方法是有效的,并且可较好地...     

基于CERES观测数据的全球行星反照率时空变化特征分析

为了理解行星反照率时空变化规律及成因,基于CERES数据对全球行星反照率的大气(主要为云与气溶胶等)和地表贡献进行了分解,通过Theil-Sen+Mann-Kendall方法得到了2001～2018年全球行星反照率及其大气和地表贡献的时空变化趋势,并基于回归分析方法对典型区域的变化趋势进行了初步解释.研究结果表明:1)...     

福建气象综合业务平台融入“天擎”技术方案设计及实现

为加快推进福建省气象业务系统的集约化、云化转型,需要依托福建气象大数据云平台(“天擎·福建”)对业务系统进行融入改造。本文介绍了“天擎·福建”的概况、总体架构和功能,重点阐述了福建气象综合业务平台融入“天擎”的技术方案及实现方法,从平台融入“天擎”、数据源切换至“天擎”、算法纳入加工流水线、数据产品存入“天擎”、系统监控进“天镜”、前端页面改造等6个方面实现了应用融入并投入业务运行,融入后综合业务平台的数据汇聚、加工和服务全流程进一步优化和规范,系统运行效率和访问速度显著提高,为其他的业务系统融入天擎提供借鉴。     

科技看点

太空Space白似春雪的银河系从地球上观察,银河系呈白色,这是光线影响下的结果。如果站在银河系外观察,这个星系又会呈现出何种颜色呢为了确定银河系的颜色,天文学家将银河系放在其他星系的地图上,以这样一种方式从＂外部＂观察银河系。他们利用斯隆数字巡天计划获取的数据,涵盖了大约100万个星系。将这些数据与已知的银河系总质量数据进行比较,     

Application of FY-2C Cloud Drift Winds in a Mesoscale Numerical Model

Statistical tests and error analysis of cloud drift winds(CDWs) from the FY-2C satellite were made by using radiosonde observations.According to the error characteristics of the CDW,a bias correction using the thermal wind theory was applied in the data quality control.The CDW data were then assimilated into the GRAPES-meso model via the GRAPES-3DVar.A torrential rain event that occurred in northwestern China during 1-2 July 2005 was simulated.The results indicate that the CDW data were mainly distribute...