考虑预报偏差的迭代式集合卡尔曼滤波在地下水水流数据同化中的应用

集合卡尔曼滤波（Ensemble Kalman Filter,EnKF）方法已广泛应用于地下水水流和污染物运移模拟相关问题的求解。但前人研究多建立在同化系统预报模型是准确的基础上,忽视了模型概化的不确定性。当模型概化不准确时,将导致预报偏差,可能带来错误的系统估计。因此,文章提出考虑模型预报偏差的迭代式集合卡尔曼滤波（Bias aware Ensemble Kalman Filter with Confirming Option,Bias-CEnKF）方法。以地下水水流数据同化为例,研究模型概化存在不确定条件下,边界条件、初始条件、源汇项概化不准确时新方法的有效性。结果表明,当预报模型概化不准确时,使用标准EnKF方法进行数据同化,可能会导致滤波发散,造成同化失败。Bias-CEnKF方法不仅保留了较好的同化性能,同时减小了参数、变量、偏差项非线性关系带来的不一致性。针对文章中4种情景,Bias-CEnKF同化获得的含水层渗透系数场以及水头场均接近真实场,且预报结果可靠。本研究进一步提升了模型概化不确定时EnKF方法的适用性,为实际野外复杂条件下地下水水流数据同化问题提供了可靠的方法。     

基于多传感器遥感数据和改进的单类随机森林的滑坡提取

提出一种利用面向对象多特征和改进的单类随机森林分类器（improved one-class random forest classifier,iOCRF）从多传感器遥感数据提取滑坡的新方法。从两时相高分辨率多光谱图像和中分辨率数字高程模型（DEM）数据中提取的图像对象多特征,来定量表达滑坡引起地表变化和滑坡区地形特征,利用iOCRF对所有特征图像进行分类以提取滑坡。据研究区两时相高分辨多光谱图像和30 m分辨率的ASTER全球DEM数据对提出的方法进行评价。结果表明,所提出方法的提取精度优于只利用部分特征提取和利用传统随机森林的提取精度;利用iOCRF计算不同特征的重要性,并分析不同特征对滑坡提取的贡献。     

Impact of 4DVAR assimilation of rainfall data on the simulation of mesoscale precipitation systems in a mei-yu heavy rainfall event

The multi-scale weather systems associated with a mei-yu front and the corresponding heavy precipitation during a particular heavy rainfall event that occurred on 4 5 July 2003 in east China were successfully simulated through rainfall assimilation using the PSU/NCAR non-hydrostatic, mesoscale, numerical model （MM5） and its four-dimensional, variational, data assimilation （4DVAR） system. For this case, the improvement of the process via the 4DVAR rainfall assimilation into the simulation of mesoscale precipitation systems is investigated. With the rainfall assimilation, the convection is triggered at the right location and time, and the evolution and spatial distribution of the mesoscale convective systems （MCSs） are also more correctly simulated. Through the interactions between MCSs and the weather systems at different scales, including the low-level jet and mei-yu front, the simulation of the entire mei-yu weather system is significantly improved, both during the data assimilation window and the subsequent 12-h period. The results suggest that the rainfall assimilation first provides positive impact at the convective scale and the influences are then propagated upscale to the meso- and sub-synoptic scales.
Through a set of sensitive experiments designed to evaluate the impact of different initial variables on the simulation of mei-yu heavy rainfall, it was found that the moisture field and meridional wind had the strongest effect during the convection initialization stage, however, after the convection was fully triggered, all of the variables at the initial condition seemed to have comparable importance.     

利用MODIS/EVI时间序列数据分析干旱对植被的影响

为了分析2006 年四川重庆地区夏季干旱对该地区植被生长的影响, 选取该地区多年中分 辨率成像光谱仪(MODIS)增强植被指数( EVI) 时间序列数据进行研究, 利用时间序列谐波分析 (HANTS) 算法对EVI 数据进行去云处理, 并根据处理后的结果( 重构的EVI 数据以及HANTS 分 析得到相应频率对应的振幅和相位) , 分析干旱对该地区的影响, 同时结合地面气象数据加以补 充说明。将干旱年份和正常年份对比分析, 结果表明, 处理后的EVI 时间序列数据能较好地反映 干旱对地表植被的影响, 振幅和相位的空间分布特征能够很好地反映干旱的影响范围。     

基于集中度与集中期的径流年内分配研究

借鉴年降水量年内分配的向量法,描述径流年内分配的径流集中度和集中期,尝试提出一种计算河川径流年内分配不均匀性的定量新方法。实例研究表明,用月径流量计算的集中度比径流年内不均匀系数有更高的分辨能力和敏感性,用月径流量计算的集中期对应的月份与月径流最大值出现的实际月份完全一致,径流集中度、集中期能够充分定量地表征径流在年内分配的非均匀性。     

散乱数据插值的HASM方法

本文运用高精度曲面建模(HASM)方法,研究了空间散乱数据插值算法,并以陕西咸阳彬县大佛寺煤矿区的实测数据为案例,使用交叉统计检验方法比较分析HASM方法与地理信息系统(GIS)领域中常用传统插值方法的空间插值结果。结果表明,HASM方法具有较高的精度。本文还分析了传统常用插值方法的一些统计结果,得出一些结论,这些结论对于使用常用传统GIS空间插值方法的研究者有很好的参考作用。     

"4D"数据在生态环境监测与评价中的应用

本文在阐述由DLG、DRG、DEM和DOM组成的4D产品的信息特征的基础上,深入分析了"4D"数据在生态环境监测与评价中的功能,包括生态环境的快速动态监测、三维生态景观的直观分析和表达、DLM与DCM相结合的生态模拟、多时空尺度的生态环境分析与评价等.并以云南省生态环境监测与评价为例,研究了其在生态环境监测与评价中的技术流程,并通过案例分析,生成了系列生态环境地图.     

地理数据的不确定性研究

目前地理数据不确定性是制约遥感(RS)与地理信息系统(GIS)发展的主要因素之一,直接影响地理数据分析的空间决策支持系统输出的可信度。如何识别、量化、跟踪、减少、可视化表达地理数据不确定性,已引起地理信息科学领域专家的广泛重视,成为3S领域新的研究热点。本文先阐述地理数据不确定性研究的重要性,然后分析地理数据不确定性产生的根源,最后提出开展地理数据不确定性研究的方法及地理数据不确定性的优先研究领域。     

云南边境生态环境数据组织管理研究

生态环境数据合理有效地组织与管理,对于开展区域生态环境研究意义重大。本文首先探讨了生态环境数据组织管理的基本流程。在此基础上,指出生态环境数据分类编码与元数据的规范化,以及生态环境模型的设计是实现生态环境数据组织管理的难点所在。随后,笔者以云南边境地带生态环境数据为例,提出了生态环境数据分类编码与元数据方案。并且在深入剖析生态环境数据特征的基础上,重点研究了生态环境数据的建模方案,提出了生态环境辅助数据模型(EcoADM)。最后,简要介绍了云南边境生态环境数据库管理原型系统的建设。