不同计算形式的相关分析在气象中的应用综述

相关分析在气象科研和业务中具有广泛应用,是定量分析气象变量之间关系的重要工具.首先系统综述了气象科研与业务中不同计算形式的相关分析算法,然后重点阐述了相关分析在气象领域应用的最新进展,特别是全窗口滑动相关和相关系数的扫描式多尺度突变检测算法.接着介绍了大数据研究领域中新发展的相关分析算法,简析了其对气象相关分析的启示....     

基于均值变点法提取地形起伏度的影响因素分析——以黄河流域(山西段)为例

地形起伏度因子在宏观尺度生态评估中具有重要作用。均值变点法是确定地形起伏度最佳分析窗口的常用方法,但其影响因素尚缺乏研究。本文以黄河流域(山西段)为例,基于DEM数据和均值变点法提取了研究区地形起伏度,并探讨了分析窗口样本数量、DEM分辨率和地貌类型3种因素的影响。结果表明：(1)分析窗口样本数量对最佳分析窗口取值有明显影响。随着样本数量的增加,变点所在的最佳分析窗口面积也不断增加。(2)DEM分辨率对最佳分析窗口取值有一定影响。分析窗口面积取值范围一致时,基于30 m ASTER GDEM计算得到的最佳分析窗口面积小于基于90 m SRTM DEM的最佳分析窗口面积。(3)地貌类型对最佳分析窗口取值的影响不大。当分析窗口样本数量一致时,不同地貌类型区及整个研究区最佳分析窗口相同或接近。总体而言,分析窗口样本数量是最关键的影响因素。     

利用地面三维激光扫描进行桥梁挠度变形分析

针对常规桥梁挠度变形分析方法仅能获取有限数量离散监测点的几何变形,且存在自动化程度低、效率低、局限性大的问题,本文提出了一种基于点云数据的桥梁挠度变形分析方法。首先通过地面三维激光扫描仪获取桥梁变形体上的点云数据,经过精确配准,获取可靠点云数据。然后利用滑动窗口法得到桥梁线形,并通过两期线形叠差分析得到桥梁挠度变化。最后以跨度40 m+65 m+40 m的连续钢构桥实体工程为试验对象,利用本文方法发现该桥梁存在最小值为8 mm、跨中最大值为17.5 mm、平均值为14.9 mm的挠度变形。结果表明,该方法理论严密、计算效率高、简单实用。研究结果对三维激光扫描技术在变形监测领域的深度应用有重要借鉴意义。     

STUDY ON CORRELATIVE EARTHQUAKES AND SEISMIC WINDOW NETWORK IN TIANSHAN REGION

In this paper , by using the seismic data of strong earthquake (M≥7) which have occurred since 1900,correlative features of strong earthquake activity in Tianshan region which crosses China and USSR have been studied . Meanwhile , we selected 15 seismic windows (11 in China , 4 in USSR) by censusing , systematically researching and statistically examing seismic data of regional seismic network which are in Chian and USSR.The anomalous features of seismic window and seismic window network , prediction index and prediction plan have been studied . In the same time ,its prediction efficency have been evaluated . Several examples of successful earthquake prediction are given out in this paper .Finally ,the possible physical mechanism of the results are discussed.     

利用地震噪声准实时监测短周期面波波速变化

依据由噪声信号提取面波格林函数的原理,利用福建省地震台网25个宽频带台站2007年7月2日—8月29日的脉动观测资料,得到了瑞雷波群速度在福建地区的分布,并将该结果作为下一步相对变化动态成像的背景速度分布．分布结果表明,福建地区周期为3—5s的瑞雷波群速度大致在2.9—3.1km/s之间,平均速度为3.0km/s,瑞雷波群速度分布呈北高南低的现象,这与福建地区北部多山、南部多平原盆地的地理环境有很好的吻合．而且,该群速度分布图在漳州盆地地区表现出一个非常明显的低速,这主要是因为受到盆地沉积层的影响．通过滑动窗（窗长为20d,步长1d）技术得到了观测区内周期约为3-5s的瑞雷波波速分布变化的连续图像;再利用扣除背景影响的技术,得到了2007年8月14日—2008年7月1日福建地区瑞雷波波速的相对变化时空动态图像．通过分析相对变化时空动态图像与该时间范围内发生的地震的对应关系,表明福建地区瑞雷波波速在多次网内中等强度的地震或震群（ML＞3.0）中均表现出震前波速升高,震后下降恢复的变化趋势．初步分析认为,这可能与震前整个地区受到的应力增大震后应力得到释放所导致的介质变化有关．      

流动地磁测量中地震异常信息的探索

S方法将同一测期一条流动地磁测线各测点的变化叠加，可抑制单个测点的干扰，使可能存在的震磁异常信息凸现。本研究了安徽省流动地磁测线S异常与邻近地区小震震群活动频次和中强地震的关系；探讨了“震情窗”地区S异常与“震情窗”相关地区中强地震的相关性；讨论了同一测期流动地磁测线各测点δf“同向变化”现象。     

地形位指数模型改进及其在植被覆盖评价中的应用

地形作为影响植被覆盖的重要因素,对植被恢复评价以及生态修复规划意义重大。地形位作为测度地形因子综合效应的指标,具有单一地形因子难以比拟的优势。然而,现有地形位指数算法以整个研究区为参照,未考虑空间异质性,难以反映植被生长的局部环境特征。基于地理学第三定律对地理环境相似的强调,融合“空间位置邻近”和“环境特征相似”,对传统地形位模型进行改进：(1)引入局部窗口算法,以突出局部地形特征;(2)在不同生境因子组合下测算地形位指数,以排除环境差异对地形位作用的干扰。案例研究表明,新模型有效提升了地形位指数对植被覆盖水平的解释力度;当考虑生境因子组合,且采用最优窗口时,局部窗口地形位指数与植被覆盖度之间的相关性最高。此外,通过观察不同生境组合下的地形位指数发现,在高热少水阴坡和高热少水阳坡条件下,植被覆盖度与局部窗口地形位指数具有更高相关性;可见,越是水资源相对匮乏区域,植被覆盖对局部窗口地形位的响应越敏感。本文有望为植被恢复评价与规划提供新的指标。     

基于深度学习的新增建设用地信息提取试验研究: 全国土地利用遥感监测工程创新探索

目前基于遥感图像的城市功能区分类方法通常采用光谱特征解译、兴趣点数据辅助、评价策略优化等方式,依赖大量人工操作,并借助遥感图像外的其他信息源。为了解决以上问题,提出利用卷积神经网络进行滑窗识别,提取图像语义标签,结合语义推理机制实现城市功能区分类的滑窗-推理方法。首先,建立两级城市功能区分类,以二级城市功能区为标识标注训练样本,并以此训练卷积神经网络作为识别器;然后,设计有重叠的滑窗识别模式,使用识别器辨识滑窗区域内图像块的二级城市功能区类型;最后,提出一个带权重的打分机制,作为语义推理方式,语义推理对象为全部识别结果,确定各图像块的一级城市功能区类型,实现遥感图像城市功能区分类。实验使用模拟图像和高分辨率遥感图像,两种图像的总分类精度分别可达94.50%、92.04%。滑窗-推理方法旨在通过语义推理处理滑窗识别产生的多语义标签,根据多语义标签确定对象的真实城市功能区。实验结果表明,所提方法无需辅助信息,直接利用遥感图像进行城市功能区分类是可行和有效的。     

基于VMD和WinLSP相结合的GNSS-R海平面高度估测模型

全球导航卫星系统反射（Global Navigation Satellite System-Reflectometry,GNSS-R）技术是一种新兴的监测海平面高度变化的技术。本文依据GNSS-R技术中的信噪比分析法的原理,通过分析其分离趋势项和提取振荡频率的过程,建立了新的估测模型以提高反演精度。针对传统模型存在的信号分离不佳的问题,本文提出使用变分模态分解（Variational Mode Decomposition,VMD）算法替换传统的最小二乘拟合法（Least Squares Fitting, LSF）进行趋势项分量的分离。在此基础上,本文引入基于凯塞窗函数改进的LSP（Lomb-Scargle Periodogram）频谱分析法（记为WinLSP）来减弱因频谱泄露带来的反演误差。在瑞典翁萨拉的GTGU站和美国阿拉斯加州的SC02站开展的海平面高度反演实验结果表明,本文建立的估测模型相比于传统模型具有更高的反演精度。基于VMD+WinLSP估测模型得到的GTGU站反演结果的均方根误差（RMSE）、相关系数和反演点数分别为4.70 cm、0.98和5 647。与传统的LSF+LSP估测模型相比,反演精度和GNSS数据利用率分别提高了约29.7%和15.0%。SC02站的RMSE、相关系数和反演点数分别为14.34 cm、0.99和1 785,反演精度和GNSS数据利用率分别提高了约12.3%和9.4%。     

2022年1月8日青海门源6.9级地震机器学习地震预警震级估计与现地阈值报警的回溯验证

2022年1月8日1时45分青海省海北州门源县发生6.9级地震, 周边地区普遍有感, 并导致多条高铁线路临时停运. 本文利用这次地震获取的大量烈度计加速度记录, 基于正在进行系统研发的机器学习地震预警方法模块, 对地震预警震级估计与现地阈值报警进行了回溯验证. 结果表明: 在地震发生后3.1 s, 震级估计为6.5级, 且震级估计误差不受信噪比和震中距变化的影响, 随着首台触发后时间的增加, 震级估计逐渐接近实际震级. 对于现地地震动速度峰值PGV(Peak Ground Velocity)预测, 各个台站在P波到达后3 s时, 预测PGV与观测PGV呈现1:1线性关系, 随着P波到达后时间窗的增加, 预测PGV逐步接近观测PGV, 且PGV预测误差不受信噪比和震中距变化的影响. 现地台站仪器烈度阈值设置为Ⅵ度时, 报警成功、误报、漏报的百分比分别为99.53%、0%、0.47%, 平均预警时间为19.62 s, 且地震烈度Ⅵ度区内没有发生误报和漏报; 现地台站仪器烈度阈值设置为Ⅶ度时, 报警成功、误报、漏报的百分比分别为99.77%、0%、0.23%, 平均预警时间为9.69 s, 且地震烈度Ⅶ度区内没有发生误报和漏报. 此次回溯验证结果表明: 机器学习方法在这次地震中可以得到鲁棒的震级估计和现地阈值报警结果, 并为该方法的在线测试以及中国地震预警系统升级提供可行性依据; 其次, 在这次地震事件中, 烈度计可为预警提供额外的作用, 这也为烈度计在未来地震预警的研究和应用中提供了更多的可能性.