辽宁地区不同降水云系雨滴谱参数及其特征量研究

利用位于辽宁省沈阳市和辽阳市的Parsivel（Particle Size and Velocity）激光雨滴谱仪观测到的雨滴谱资料按照积雨云降水系统、积层混合云降水系统和层状云降水系统分析雨滴谱特征量和谱参数的平均特征及随时间的演变特征。结果表明:Gamma分布拟合谱参数N₀和λ按照层状云、积层混合云和积雨云的顺序减小,谱参数μ按照层状云、积层混合云和积雨云的顺序增大;直径小于1 mm的降水粒子对数浓度的贡献最大,直径大于1 mm的降水粒子对雷达反射率的贡献最大;M-P分布的谱参数N₀与雨强I具有幂函数关系,并且随着雨强I的增大而增大,谱参数λ与雨强I具有指数函数关系,随着雨强I的增大而减小。     

多普勒雷达观测在北京7.21暴雨数值模拟中的三维变分同化研究

基于背景误差的特征长度理论,研究调整背景误差水平分辨率对多普勒雷达资料三维变分同化的影响。首先利用NMC方法针对暴雨落区统计不同水平分辨率的背景误差协方差,分析两种不同分辨率的背景误差的结构特征,研究水平分辨率对背景误差特征长度的影响。将其应用于雷达资料同化中,研究背景误差水平分辨率变化对雷达资料同化的影响。结果表明:背景误差水平分辨率由27 km提高到3 km时,在大气低层体现出更细致的动力场信息,其动力场水平特征长度按水平分辨率的二次根递减,而温度场与水汽场水平特征长度变化不明显。在将不同分辨率的背景误差用于三维变分同化时,更高分辨率的背景误差可以在分析场增量中体现更细致的中小尺度信息,能够明显改善雷达径向速度资料同化效果,并在随后的暴雨数值模拟中雨量及其分布形态更接近实况。     

风云卫星数据服务评价指标的验证分析

简述了目前我国风云卫星数据服务以及气象服务效益评估业务的现状,利用层次分析法提出风云卫星数据服务评价的6个1级指标和19个2级指标。设计了风云卫星数据服务评测量表,并采用分半信度、因子分析等方法对量表作信度和效度分析,结果表明所设计的评测量表具有良好的信度和效度,确定了包括服务平台易用性、服务流程规范性、服务响应及时性、服务内容完整性、服务工作主动性、服务宣传广泛性等6个方面的风云卫星数据服务评价指标。     

利用Abel-Poisson径向基函数模型化局部重力场

多种类型高分辨率重力场数据的不断增加,使得在局部范围内精化重力场模型成为了可能。本文采用Abel-Poisson核将重力场量表示成有限个径向基函数线性求和的形式,对局部区域的多种重力场数据进行联合建模。为了提高运算速度,运用了基于自适应精化格网算法的最小均方根误差准则(RMS)来求解径向基函数平均带宽。以南海核心地区为例,联合两种不同类型、不同分辨率的重力场资料(大地水准面起伏6'×6'、重力异常2'×2'),构建了局部区域高分辨率的重力场模型。所建模型表示的重力场参量达到了2'×2'的分辨率,对原始的重力异常数据(2'×2')拟合的符合程度达到±0.8×10-5m/s2。结果表明,利用径向基函数方法进行局部重力场建模,避免了球谐函数建模收敛慢的问题,有效提高了模型表示重力场的分辨率。     

利用多光谱卫星遥感和深度学习方法进行青藏高原积雪判识

青藏高原积雪对全球气候变化十分重要,针对已有积雪遥感判识方法中普遍采用的可见光与红外光谱数据易受复杂地形与高海拔影响,导致青藏高原地区积雪判识精度较低的问题,提出了一种基于多光谱遥感与地理信息数据特征级融合的积雪遥感判识方法:以风云三号卫星可见光与红外多光谱遥感资料与多要素地理信息作为数据源,由地面实测雪深数据与现有积雪产品交叉筛选出样本标签,构建并训练基于层叠去噪自编码器(SDAE)的特征融合与分类网络,从而有效辨识青藏高原遥感图像中的云、积雪以及无雪地表。经地面实测雪深数据验证,该方法分类精度显著高于使用相同数据源的FY-3A/MULSS积雪产品,略高于国际主流积雪产品MOD10A1与MYD10A1,并且年均云覆盖率最低。试验结果表明该方法可有效地减少云层对积雪判识的干扰,提升分类精度。     

历史数据和强化学习相结合的低频轨迹数据匹配算法

针对低频(采样间隔大于1min)轨迹数据匹配算法精度不高的问题,提出了一种基于强化学习和历史轨迹的匹配算法HMDP-Q,首先通过增量匹配算法提取历史路径作为历史参考经验库;根据历史参考经验库、最短路径和可达性筛选候选路径集;再将地图匹配过程建模成马尔科夫决策过程,利用轨迹点偏离道路距离和历史轨迹构建回报函数;然后借助强化学习算法求解马尔科夫决策过程的最大回报值,即轨迹与道路的最优匹配结果;最后应用某市浮动车轨迹数据进行试验。结果表明:本文算法能有效提高轨迹数据与道路匹配精度;本算法在1min低频采样间隔下轨迹匹配准确率达到了89.2%;采样频率为16min时,该算法匹配精度也能达到61.4%;与IVVM算法相比,HMDP-Q算法匹配精度和求解效率均优于IVVM算法,16min采样频率时本文算法轨迹匹配精度提高了26%。     

M-Quadtree索引:一种基于改进四叉树编码方法的云存储环境下空间索引方法

为了解决基于"键-值"模型的云存储环境仅支持简单的关键字查询,不支持多维空间查询的问题,提出了一种新的分布式空间索引方法——M-Quadtree索引。在索引构建过程中,设计了一种基于改进四叉树的空间数据划分方法,该方法规定了叶节点区域的最小数据量,通过四叉树叶节点的再合并,解决了划分后各子区域间存储量不平衡的问题,并且满足了MapReduce并行化要求。给出了MapReduce框架下M-Quadtree索引的快速构建、查询与更新算法,并在搭建的Hadoop平台进行了关键参数对索引效率的影响以及不同规模数据下索引的创建、查询和更新试验。与现有分布式空间索引的对比试验及分析结果表明,M-Quadtree索引在数据存储量负载均衡、算法并行化和空间查询效率等方面表现得更好。     

GNSS 监测数据预处理在变形预测中的应用

GNSS监测技术被广泛应用于变形监测工作中,但GNSS监测数据中会有缺失值、噪声等误差的存在,对预测结果造成影响。引入改进的小波神经网络模型进行变形预测,并考虑该模型的自适应性和容错性,分别采用三次样条插值法、小波滤波法和拉依达准则对原始监测数据进行缺失值填补、去噪和粗差剔除等预处理。并利用实际监测数据进行短期预报分析,对比原始监测数据和预处理后的监测数据的预测结果,结果表明预处理后的监测数据的预测效果更好。     

遥感数据融合的进展与前瞻

数据融合是提升遥感影像应用能力的重要手段,一直是遥感信息处理与应用领域的研究热点。本文系统综述了遥感数据融合的进展与前瞻:首先对数据融合的层次与分类进行了总结和归纳,将遥感数据融合划分为同质遥感数据融合、异质遥感数据融合、遥感—站点数据融合、遥感—非观测数据融合4大类;在此基础上,重点针对时—空—谱光学遥感数据的融合,从多视超分辨率融合、多尺度融合、空—谱融合、时—空融合、时—空—谱一体化融合等方面进行了详细阐述;最后总结了遥感数据融合的前瞻研究方向,包括时—空—谱一体化融合的拓展、空天地观测数据的跨尺度融合、传感网环境下的在线融合、面向应用的融合方法等。     

全球气候数据集生成及气候变化应用研究

科技部在"十三五"期间部署的国家重点研发计划"全球变化及应对"专项资助了"全球气候数据集生成及气候变化关键过程和要素监测"研究项目。项目围绕由全球气候观测系统提出的基本气候变量,完善地空天基观测体系,生成中国首套以遥感数据为主体的涵盖大气、海洋和陆表长时间序列、高精度、高时空一致性的产品,即气候数据集,动态监测全球变化关键过程和要素。