黄淮地区夏季日降水分区概率预报方法研究

利用我国黄淮地区1961—2010年50年6—8月的日降水资料,采用REOF和t检验的方法,将中国黄淮地区夏季降水分成Ⅰ—Ⅴ区。5个区域进行差异性t检验表明5个区域之间（彼此）差异显著,说明了区域划分的正确性。在此基础上利用1999—2007年6—8月站点日降水资料以及CFSv2模式后预报的日降水资料建立了5个区域内共5个代表站点的夏季日降水概率预报方程,并进行了确定性、概率性预报检验和业务试用检验。对各区域内5个代表站日降水量的确定性预报检验表明：Logistic回归降水概率预报方程的TS评分要高于CFSv2模式预报和T213的集合预报平均,空报率也低于CFSv2模式预报和T213集合预报平均,但是漏报率却略高。各区域代表站日降水量的概率预报Brier评分检验表明：Brier评分均不超过0.2,大大低于T213集合预报所得概率预报的Brier评分分值,说明本文Logistic回归方程的概率预报较为可靠。Brier技巧评分表明：Logistic回归降水概率预报方程各站的BSS技巧评分都大于0.0,说明各站的预报技巧高于检验样本气候概率的预报技巧,且高于T213集合预报的Brier技巧评分,说明在分区基础上建立Logistic回归降水概率预报方程的方法是有预报意义的。     

甘肃省黑河干流中游地区泉水动态特征及预报

在简述区域水文地质条件的基础上,依据1986～2007年泉水流量系列观测资料,详细论述了区内下降泉、上升泉的年内和多年动态变化特征,对比分析了1967年、1984年、2006年测区各泉域泉水量和泉水总量的时空分布规律和变化特征。利用已有的潜水二维流水量数学模型,推递并建立了利用泉点周围节点水头(水位)预报泉水流量的数学模型,并对测区泉水总量未来15年的变化趋势进行了预报。结果表明,在现状节水灌溉条件下,由于出山径流量的增加和地下水开采量的减少,未来黑河干流中游地区的泉水资源基本处于稳定状态。     

暴雨山洪灾害预警方法研究进展

暴雨山洪灾害预警是中小流域山洪灾害防控体系的薄弱环节,也是决定山洪灾害防控成败的关键。论文围绕山洪灾害预警的核心问题,从中国山洪灾害区域差异特征、山洪灾害预警技术方法、山洪灾害概率预警现状3个方面进行了综述。中国山洪灾害分布存在明显的时空差异,因此有必要根据山洪灾害的区域差异发展有针对性的预警方法。以临界雨量为指标的雨量预警是目前中国中小流域暴雨山洪灾害预警的主要技术手段,但常规方法仅给出一个(组)确定的临界雨量阈值,导致预警结果存在突出的不确定性问题。概率预警可以定量评估诸多不确定性,给出山洪灾害概率预警结果,因此具备很好的理论优势与潜在应用价值。论文展望了山洪灾害概率预警未来的研究重点与方向：(1)充分挖掘暴雨洪水样本信息,开展山洪灾害概率预警基础方法与技术集成研究;(2)加强非平稳性条件下的临界雨量阈值估算与山洪灾害概率预警研究;(3)综合考虑预警阈值发生概率及其致灾概率,优化“多级预警、多级响应”技术方法,推进山洪灾害综合预警业务系统建设与应用。     

基于TIGGE资料的北半球地面气温预报的统计降尺度研究

基于TIGGE(THORPEX Interactive Grand Global Ensemble,全球交互式大集合)资料中欧洲中期天气预报中心(European Centre for Medium-Range Weather,ECMWF)、日本气象厅(Japan Meteorological Agency,JMA)、美国国家环境预报中心(National Centers for Environmental Prediction,NCEP)和英国气象局(United Kingdom Met Office,UKMO)4个中心的北半球地面2 m气温集合平均预报资料,利用插值技术与回归分析,并引入了消除偏差集合平均(bias-removed ensemble mean,BREM)和多模式超级集合(superensemble,SUP)方法进行统计降尺度预报研究。结果表明,在2007年夏季3个月中,4个单中心的降尺度预报明显地改善了预报效果。引入SUP和BREM两种集成预报方法后,预报误差得到进一步减小。对比综合表现最好的单中心ECMWF的预报,1~7 d的降尺度预报误差改进率均达20%以上。研究还发现,引入SUP方法的降尺度预报效果优于引入BREM方法的降尺度预报,利用双线性插值方法在上述两方案中的预报效果优于其他3种插值方法。     

江苏—南黄海地区M≥6强震有序网络结构及其预测研究

基于TIGGE（THORPEX Interactive Grand Global Ensemble,全球交互式大集合）资料中欧洲中期天气预报中心（European Centre for Medium-Range Weather,ECMWF）、日本气象厅（Japan Meteorological Agency,JMA）、美国国家环境预报中心（National Centers for Environmental Prediction,NCEP）和英国气象局（United Kingdom Met Office,UKMO）4个中心的北半球地面2m气温集合平均预报资料,利用插值技术与回归分析,并引入了消除偏差集合平均（bias-removed ensemble mean,BREM）和多模式超级集合（superensemble,SUP）方法进行统计降尺度预报研究.结果表明,在2007年夏季3个月中,4个单中心的降尺度预报明显地改善了预报效果.引入SUP和BREM两种集成预报方法后,预报误差得到进一步减小.对比综合表现最好的单中心ECMWF的预报,1～7d的降尺度预报误差改进率均达20％以上.研究还发现,引入SUP方法的降尺度预报效果优于引入BREM方法的降尺度预报,利用双线性插值方法在上述两方案中的预报效果优于其他3种插值方法.     

A new methodology for building local climate change scenarios: A case study of monthly temperature projections for Mexico City

This paper proposes a new methodology for generating climate change scenarios at the local scale based on multivariate time series models and restricted forecasting techniques. This methodology offers considerable advantages over the current statistical downscaling techniques such as: (i) it provides a better representation of climate at the local scale; (ii) it avoids the occurrence of spurious relationships between the large and local scale variables; (iii) it offers a more appropriate representation of variability in the downscaled scenarios; and (iv) it allows for compatibility assessment and combination of the information contained in both observed and simulated climate variables. Furthermore, this methodology is useful for integrating scenarios of local scale factors that affect local climate. As such, the convenience of different public policies regarding, for example, land use change or atmospheric pollution control can be evaluated in terms of their effects for amplifying or reducing climate change impacts.     

基于移动测量的交通标志自动提取

针对从移动测量车采集的图像中提取交通标志的需求,研究探索适合移动测量的交通标志检测识别方案。在交通标志检测阶段,提出一种检测多个圆形禁令标志连接的多圆度检测法,对于三角形警告标志的检测,在原有拐角检测法基础上提出基于候选区域的拐角检测法;在交通标志识别阶段,选用像素特征作为特征向量,采用概率神经网络实现交通标志的分类识别。最后设计实现移动测量后处理软件的交通标志自动提取模块。     

基于概率的地图实体匹配方法

数字地图合并是通过同名实体匹配和合并变换技术,调整相关地物实体的几何、属性等差异,实现同一地区不同来源地图数据的集成和融合。其中同名实体匹配是极为重要的第一步,也是一个存在大量不确定性的过程,匹配阈值的选取、实体非一对一的匹配关系是匹配中的关键难题,匹配效果不佳或出现错误匹配直接影响着后续合并结果的正确性。本文提出一种基于概率理论的匹配模型,该模型融合多种匹配指标,通过计算实体匹配概率大小来确定匹配实体。该方法避免了匹配指标精确阈值的选取,并且能够有效地解决匹配中非一对一的情况。     

参数空间变异性下地下水污染监测网多目标优化机制研究

基于野外实际含水层参数存在空间变异性的客观事实,研发概率Pareto遗传算法(Probabilistic Pareto genetic algorithm,PPGA),用于求解考虑含水层参数空间变异性下地下水污染监测网多目标优化设计问题。PPGA在ε-改进非劣支配遗传算法(epsilon-dominance non-dominated sorted genetic algorithm II,ε-NSGAII)的基础上通过添加概率择优排序和概率拥挤度技术,寻求考虑参数空间变异条件下地下水污染监测网模拟—优化耦合模型的Pareto最优解。将优化结果与蒙特卡洛(Monte Carlo,MC)模拟分析结果进行对比,验证优化结果的可靠性。算例求解结果表明:在求解考虑参数空间变异性条件下地下水污染监测网多目标优化设计问题时,PPGA优化所得Pareto最优解变异性小,可靠性高,可为决策者提供一系列稳定可靠的监测方案。     

高光谱影像光谱-空间多特征加权概率融合分类

提出了一种基于光谱-空间多特征加权概率融合的高光谱影像分类方法。首先,利用最小噪声分离(minimum noise fraction,MNF)方法对高光谱影像进行降维和特征提取,并以得到的MNF特征影像作为光谱特征,联合灰度共生矩阵(gray level co-occurrence matrix,GLCM)提取的纹理特征、基于OFC算子建立的多尺度形态学特征以及采用连续最大角凸锥(sequential maximum angle convex cone,SMACC)提取的端元组分特征,组成3组光谱-空间特征;然后利用支持向量机(support vector machine,SVM)对每一组光谱-空间特征进行分类,得到每组特征的概率输出结果;最后,建立多特征加权概率融合模型,应用该模型将不同特征的概率输出结果进行加权融合,得到最终分类结果。为了验证该方法的有效性,利用ROSIS和 AVIRIS影像进行试验,总体分类精度分别达到97.65%和96.62%。结果表明本文的方法不但较好地克服了传统基于单一特征高光谱影像分类的局限性,而且其分类效果也优于常规矢量叠加(vector stacking,VS)和概率融合的多特征分类方法,有效地改善了高光谱影像的分类结果。