基于"3S"技术的于田绿洲湿地动态变化研究

以极端干旱区典型绿洲———于田绿洲为研究区,采用遥感(RS)、地理信息系统(GIS)和全球定位系统(GPS)相结合的方法,进行了湿地资源调查,查明了于田绿洲湿地类型、区域分布及面积,应用模型和分形理论,探讨了于田绿洲湿地的动态变化特征,并分析了其发生动态变化的原因。研究结果对于干旱区绿洲湿地的合理开发和可持续发展有着重要现实意义。     

基于垂直剖面函数的天顶对流层延迟插值算法

通过分析由ERA-Interim气象再分析资料积分方法得到的天顶对流层总延迟随高程变化的规律,提出一种基于垂直剖面函数的天顶对流层延迟(ZTD)插值算法。该算法以ZTD的垂直分布规律为基础,通过垂直剖面函数实现ZTD在高程方向上的精准投影延拓,可以避免因高差较大造成的空间内插结构畸形。采用IGS站提供的高精度对流层产品进行实验验证表明,该算法相对于传统算法能够有效提高ZTD改正值的精度,尤其在高差超过1 km的情况下,相对于反距离加权法精度提升了96%,相对于空间回归法精度提升了79%。     

DSC2型称重式降水传感器测雨性能的分析

为更有效地利用降雨观测数据,充分发挥新型探测设备建设效益,文章对DS(2型称重降水传感器的测雨性能进行分析评估,选取北京市13个国家级地面气象观测站在2013年4—10月,称重式降水传感器与人工、翻斗观测降雨量的业务观测资料,分析称重与人工和翻斗观测在降雨总量、日降雨量等方面的差异。结果表明:在选取样本中,12个台站的总降雨量误差符合现行业务要求,三种测量在日降雨量等级判断方面基本一致。称重比人工观测的日降雨量平均偏小0.13 mm,日降雨量相关系数为0.9968,对应地,称重比翻斗观测的结果平均偏小0.17 mm,日降雨量相关系数为0.9983。     

气象预警信息一键式发布系统研究与应用

基于WebGIS、HTTP通信、数据库等技术,制定了一键式预警信息发布规范,有效整合了电子显示屏、预警大喇叭、手机等预警发布终端,开发了气象预警信息一键式发布平台,实现了地图综合显示、气象数据叠加、任意预警区域选取、一键式发布预警信息等功能,提高了预警信息发布的可视化水平,保证了多终端预警信息发布的高效性、一致性。该系统的一键式信息发布技术,为气象预警发布开拓了新思路,能够有效提升业务水平和预警发布能力。     

中国地面气温统计降尺度预报方法研究

利用中国752个基本、基准地面气象观测站2000—2010年地面温度日值数据,采用具有自适应特征的Kalman滤波类型的递减平均统计降尺度技术,对中国地面温度进行精细化预报研究。分析该方案的降尺度效果,并与常用插值降尺度方法进行比较。结果表明:1)递减平均统计降尺度技术相比插值方法有较大的提高,显著减小东西部预报效果差异,1~3 d预报的均方根误差减小了1.4℃;2)该方案1~3 d预报的均方根误差为1.5℃,预报误差从东南地区(均方根误差为1.4℃)向西北地区(均方根误差为1.8℃)逐渐增大,并且预报效果夏季优于冬季。因此,递减平均统计降尺度技术对中国地面温度进行精细化预报是可行的。     

机动期间的GEO卫星钟差确定方法

分析了多种精密卫星钟差的插值方法,构建了GEO卫星机动模型,并结合插值方法,确定机动期间的GEO卫星钟差,并将结果与i GMAS最终产品进行了比较和分析。结果表明,三次样条插值是用于确定机动期间的GEO卫星钟差的最优方法,其结果精度可达0.01~0.38 ns。     

Stroke构造、移位一体化的道路网示意化方法

针对当前常用示意性地图生成方法中往往存在简化程度不够、未考虑长度信息以及时间效率低等问题,提出了stroke构造、移位一体化的道路网示意化方法。该方法在对道路网进行stroke划分构造的同时,直接对其进行渐进式的移位示意化及拓扑检查。同时本文还提出利用相似分形维数来定量比较并验证不同示意化方法的有效性。试验表明,本算法在考虑原始线形的基础上,示意化过程简单,时间效率较高,减少了拓扑冲突问题,保证了拓扑一致性及路网的均衡分布,具有较好的清晰度和认知度。     

基于规则格网的DEM插值实验

通过地形建模,将6个地形隶属函数按照101×101,112×112,126×126,144×144,168×168,201×201,257×257 7种格网密度生成6种局部地形单元的规则格网DEM;使用反距离加权(IDW)等7种插值算法,将前6种格网密度下的DEM插值成257×257规格;从原始257×257DEM中随机抽取检查点计算残差,并对残差中误差进行分析。通过分组插值实验,运用控制变量法、方差分析等方法研究地貌类型、采样密度和插值算法对DEM插值精度的影响。     

变形监测缺失数据序列灰色建模方法探讨

在测量工作中,由于气候环境、观测方法、观测仪器以及观测人员自身因素等多方面的原因,可能造成观测数据的丢失或者不完全。文中针对这类数据的处理,采用加权平均法和三次样条插值法对缺失数据进行修复,建立GM （1,1）模型,并与非等间隔预测模型进行对比。通过两组仿真数据和两组实测数据验证发现：对于呈指数增长的序列和高增长序列修复之后建模预测精度更高;三次样条插值法数据修复后GM （1,1）建模预测精度较加权平均法预测精度更高;对于低增长序列,直接采用非等间隔建模预测精度更高。