GPS水汽遥感中的大气干延迟局地订正模型研究

在GPS遥感水汽过程中,大气干延迟模型的精度直接影响水汽遥感的精度。根据广东清远站1995～2001年的气象探空资料,计算了GPS水汽测量中的实际大气干延迟。在此资料基础上,利用地面气象要素建立了大气干延迟的年和分月局地订正模型。分析结果表明,年模型的精度优于目前广泛使用的普适模型;月模型与年模型相比,效果不是很明显,建立局地分月订正模型意义不大;在对高度角的敏感程度上,局地模型略大些;当高度角小于75时,大气干延迟弯曲路径与直线路径之差ΔS随天顶角增大而迅速增大。     

载荷试验确定基床系数修正方法的讨论

Winkler地基模型是目前工程界应用最广的一种地基模型，但对其关键参数——基床系数k的确定，许多文献的表述并不一致。该文在大量试验资料的基础上，通过对该问题的深入研究，阐明了通过载荷试验确定基床系数修正方法的有关概念。对于砂性土地基，载荷板试验得出的基准基床系数仅需要进行基础大小修正，而对于粘性土地基，则需要进行基础大小和基础形状两项修正。     

人工神经网络在岩体质量分级中的应用

结合四川省金沙江某水电站工程实例，应用BP人工神经网络方法建立3层BP网络模型，选取岩石单轴抗压强度等6个影响因素为输入变量，对坝基复杂岩体进行质量分级。通过机算机Visual C 语言编程实现神经网络模型，进行网络的学习和运算。以神经网络合理结构分析方法选取合理结构，确定合理隐层单元的数量，提高网络测试的精度。对测试结果的分析发现，经过优化的BP网络模型经多次学习后，测试精度提高，结果可靠，取得较好的实际应用效果。     

川西亚高山三个森林群落的湿林冠蒸发速率

于3个假说和林冠上方2m处的气象变量，采用Penman-Monteith组合模型估算了一个生长季节内川西亚高山林区分别以云杉(SF)、冷杉(FF)和白桦(BF)为优势树种的3个林分的湿林冠蒸发速率(Er)。研究结果表明，SF、FF和BF的湿林冠蒸发量(E)分别为44．51mm、88．51mm和57．8mm，分别占总降雨量的9．2％、16．6％和10．2％。与SF和BF相比，FF具有最高的月平均Er和蒸发比例。SF、FF和BF的平均Er分别为0．097mm／h(变化范围：0．028-0．487mm／h)、0．242mm／h(变化范围：0．068～0．711mm／h)和0．149mm／h(0．060～0．576mm／h)。最高和最低的月平均Er分别在6月(SF、FF和BF分别为0．120mm／h、0．317mm／h和0．169mm／h)和10月(SF、FF和BF分别为0．083mm／h、0．187mm／h和0．101mm／h)。8：00至16：00期间的平均点Er显著高于0：00至8：00以及16：00至0：00期间的平均Er。Er显著的日变化和月变化主要归因于林冠上方的太阳辐射、空气温度和相对湿度的变化。     

时-空体在地理可视化环境中的应用

时-空体模型的主要特征在于具有时空路径, 该模型被看作是研究时间-地理关系的开端。近年来,这一模型被不断应用和改进,通过它可以更好地理解空间运动过程。人们在不同的学科领域对该方法进行了不同的研究,包括从对单个     

基于GPS掩星技术反演大气参数模型的优化

准确掌握地球大气中的水气分布，了解水气变化趋势对天气现象、全球气候变化、数值预报具有理论研究及实用价值。以无线电掩星技术为基础，利用掩星数据反演大气参数剖面。对原反演模型的不足进行了论证，并给出了反演个例。详细地论述了通过引入MM5先验温度T再通过线性迭代的方法反演对流层下部水汽廓线原理，给出了优化后模型反演个例。并对模型优化后反演廓线中存在的问题进行了分析，提出了下一步优化方向。     

基于BP神经网络的陕西春季浅层地温预测模型

利用2016—2021年春季(3—5月)陕西98个国家级地面气象观测站逐日观测资料,运用BP神经网络构建了陕西春季不同区域(陕北、关中、陕南)不同月份(3、4、5月)不同土壤深度(5、10、15、20 cm)地温预测模型,并利用2022年数据进行模型预测检验。研究结果表明：模型预测的各深度日平均地温在陕北、关中、陕南地区预测准确率＞95%,且整体表现出土壤深度越深预测准确率越高的趋势,10 cm日平均地温预测准确率＞98%,15、20 cm日平均地温预测准确率＞99%;各深度日平均地温在陕北、关中、陕南地区预测值与实测值的均方根误差≤10 ℃、平均绝对误差≤08 ℃,均方根误差和平均绝对误差整体表现出土壤深度越深误差值越小的趋势;模型预测精度比较理想,可用于陕西春季浅层地温预报业务,为春播及果树花期预报提供技术支持。     

基于高频雷达回波谱多特征融合的浪高反演算法

高频地波雷达海洋回波谱的 Bragg 峰和二次谐波峰中,均蕴含着浪高信息,因此发展出了基于 Bragg 峰功率 （Power of Bragg Peak,PB）、二次谐波峰与 Bragg 功率比 （Power Ratio of Second Harmonic Peak to Bragg Peak,RSB）、双频 Bragg 峰功率比 （Power Ratio of Dual Frequency Bragg Peak,RDB） 等浪高反演算法。然而,三种算法均无法实现不同海况、不同距离下浪高的精确反演。本文研究发现,PB 算法适用于低海况,RSB 算法在近距离高海况下表现良好,而 RDB 算法适用于远距离测量,即三种算法高性能测量区间存在强互补性。在此基础上,本文提出了一种基于多特征 （PB、RSB 和 RDB） 融合的浪高反演算法,其中采用反向传播（Back Propagation,BP） 神经网络作为特征融合器。实验表明：本文算法在测量精度、波高适应范围、距离适应范围上均优于现有波高反演算法。     

舟山港台风风暴潮的分析及预报

利用 1 956～ 2 0 0 0年舟山市定海验潮站潮位观测资料 ,对历年影响舟山的台风风暴潮灾进行了全面的统计分析。将台风按路径分型 ,分析了不同路径台风风暴潮的特点 ,并用基于PRESS准则的逐步回归方法 ,建立了不同路径风暴潮的预报模型。