亚马孙河流域地表覆盖时空变化知识建模

亚马孙河流域地表覆盖时空变化影响着全球气候和生态系统的稳定,目前亚马孙河流域地表覆盖的研究广泛,具有海量数据和信息,但缺少系统性的时空知识体系。为了更好地了解亚马孙河流域地表覆盖时空变化知识,本文首先引入本体建模理论,提出了亚马孙河流域地表覆盖时空变化知识建模方法,利用Protégé工具完成了亚马孙河流域地表覆盖模式层的设计和构建;然后利用提取的亚马孙河流域地表覆盖时空变化数据、时空变化信息和景观格局指数等,完成了亚马孙河流域的建模,从而为亚马孙河流域的分析决策提供支撑。     

阿古拉斯流域亚中尺度过程的能量分析

本文基于(1/48)°MITgcm数值模拟结果,通过频率-波数谱分析等方法分离地转平衡和非地转运动,分析了阿古拉斯流域亚中尺度的分布特征,讨论了其季节性变化的主要影响因素。结果表明,阿古拉斯流域亚中尺度过程具有冬强夏弱的显著季节变化特征,混合层斜压不稳定是影响该流域亚中尺度季节性差异的主要原因。此外,在涡动能较强的区域,地转平衡运动始终主导亚中尺度过程,季节性变化较小;在涡动能较弱的区域,地转平衡与非地转分量具有明显的季节性差异,局地混合层浅化可能是导致夏季非地转分量贡献增加的主要机制。本文研究结果有助于进一步探究阿古拉斯流域亚中尺度的季节性变化及其主导因素,地转平衡与非地转运动的有效分离加强了我们对海洋多尺度之间能量传递的理解。     

西藏朋曲流域不同地貌部位流动沙丘粒度特征

沙丘粒度特征不仅能反映沙丘沙物质的来源与动力,也可以体现地形对风沙流运移的改变。对西藏朋曲流域不同地貌部位流动沙丘表层沉积物的粒度特征进行分析。结果表明：（1）朋曲流域流动沙丘表层沉积物粒度组分以中沙（46.51%）和细沙（40.52%）为主,粗沙（5.87%）与极细沙（5.87%）次之,黏土（0.37%）与粉沙（0.85%）含量最低。流动沙丘表层沉积物平均粒径1.41—2.32 Φ,分选系数0.45—0.79 Φ,偏度0.01—0.24,峰度0.98—1.80。（2）从河漫滩到河流阶地到山坡,流动沙丘粒度逐渐变小,频率分布曲线逐渐变高变窄,粒径越来越集中,沿主导风向自西南向东北概率累积曲线斜率逐渐增大,分选性逐渐变好。（3）河漫滩至河流高级阶地流动沙丘表层沉积物随海拔升高粒径变小,坡麓至坡顶随海拔升高粒径变大,分选却变好,表明山坡上沙丘与阶地上沙丘的沙物质来自于不同河段的河床或河漫滩。     

基于旋转经验正交分解的流域降水气候预测误差订正方法

流域尺度的降水短期气候预测水平对流域的防灾减灾具有重要价值。为了进一步提高中国科学院大气物理研究所新一代大气环流模式IAP AGCM 4.1在淮河和长江流域夏季降水预测效果,利用旋转经验正交分解（Rotated Empirical Orthogonal Function, REOF）方法对两个流域夏季降水区域特征进行分析的基础上,建立了一个适用于流域的分区经验正交分解（Empirical Orthogonal Function, EOF）订正方案,并利用IAP AGCM 4.1气候预测系统在两个流域的夏季降水共30年（1981～2010年）的集合回报试验结果进行了订正试验。结果表明分区订正方法明显改进了模式对淮河流域的夏季降水预测水平,淮河流域的流域平均相关系数从0.03提高到了0.22。对长江流域的季度降水预报也有显著的改进效果,平均相关系数从-0.05提高到0.24。分区订正结果明显优于流域整体订正方案,证明了基于REOF分析确定降水具有强局地性特征的订正区域,能够很好地提高EOF订正方法的效果稳定性,这对其他流域降水预测的订正研究具有很好的借鉴意义。     

黑河流域降水统计——动力降尺度问题研究

依据区域气候模式RIEMS2.0输出的3 km高分辨率数据和站点降水记录分析了中国西北黑河流域降水的动力降尺度和统计—动力降尺度问题,检验了多种因子组合下多元线性回归（MLR）和贝叶斯模式平均（BMA）降尺度模型,评估了降尺度降水的均方根误差、相关系数、方差百分率及“负降水”偏差率等方面的统计特征。结果表明,动力降尺度降水相关系数最高,误差也最大,降水方差达到观测值的1.5～2倍;除相关系数外,统计—动力降尺度模型的几个统计特征均最优,纯统计模型次之。检验表明,仅用700 hPa位势高度场、经向风和比湿等构建的统计降尺度模型估计的站点降水相关系数较低,均方根误差也较大。当在统计降尺度模型中引入模式降水因子后站点降水的估计得到明显改善,其中MLR类模型的降水相关系数和方差百分率均明显高于BMA类模型,均方根误差二者相当,但前者“负降水”出现频次明显大于后者,“负降水”偏差主要出现在降水稀少的冬半年及黑河中、下游干旱或极端干旱区,上游出现频率较低,其中MLR类模型“负降水”出现频次明显高于BMA类模型,后者仅出现在黑河中、下游地区。包含模式降水因子的统计—动力降尺度模型能减少“负降水”出现...     

面向对象方法的时间序列MODIS数据湿地信息提取——以洞庭湖流域为例

以洞庭湖流域为研究区,对大范围湿地信息遥感提取方法进行了研究。先基于时间序列MODIS EVI及物候特征参数,通过J-M(Jeffries-Matusita distance)距离分析,构建了MODIS(250 m)最佳时序组合分类数据;其次,通过Johnson指数确定了最佳分割尺度,采用面向对象的遥感分类方法(Random tree分类器)提取了洞庭湖流域的湿地信息,并验证该方法的适用性。研究结果表明,基于时序数据与面向对象的Random tree分类的总体精度和Kappa系数分别为78.84%和0.71,较之基于像元的相同算法的总体分类精度和Kappa系数分别提高了5.79%和0.04。同时,基于面向对象方法的湿地整体的用户精度与生产者精度较基于像元方法分别提高了4.56%和6.21%,可有效提高大区域湿地信息提取的精度。     

主成分等变换及组合分类在半湿润流域的应用

以东湾流域为研究区,首先对TM影像进行主成分分析(PCA),缨帽变换,色调、亮度、饱和度彩色变换(HIS),并求得归一化植被指数、归一化建筑指数、归一化水体指数、归一化裸土指数、归一化阴影指数和第四波段灰度共生矩阵纹理特征,构造了新的特征影像;然后对其分别进行PCA、独立主成分分析(ICA)、最小噪声分离(MNF)3种变换;再对变换后的结果分别进行最大似然法、神经网络以及支持向量机(SVM)分类,以研究不同变换、不同分类方法的差异。提出了一种新的降低特征相关性的方法,并确定了最有效的一种分类—变换组合。结果表明,新特征降维方法的分类精度达到了93.457%,而单一特征降维方法最高分类精度为91.955%,证明该方法能更有效地提取影像特征。     

洞庭湖流域降水同位素与ENSO关系研究

基于洞庭湖流域内长沙市2010年1月至2012年12月降水事件、GNIP(Global Network for Isotopes in Precipitation)长沙站1988~1992年月降水同位素资料及ENSO（厄尔尼诺/拉尼娜和南方涛动）的2个常用指标（南方涛动指数SOI和Nino3区海面温度SST）,分析了流域降水同位素与ENSO关系。结果表明：洞庭湖流域降水中δ¹⁸O与降水量、气温在日、月尺度上均呈负相关且只有月度上与降水量的负相关不显著。洞庭湖流域降水中δ¹⁸O与ENSO的SST指标则呈显著正相关。ENSO对洞庭湖流域降水同位素的影响机制可能如下：春季,La Nina年源自西太平洋的东南风强盛,其转向为西南风的区域达到印度洋,而El Nino年,东南风转向为西南风的发生区域位于印度洋以东,前者有利于挟带印度洋远源水汽向中国东部区域输送,进而造成降水同位素的贫化;夏季,La Nina年印度洋水汽输送在中国南海转为经向继而向北延伸,而El Nino年,源自印度洋的水汽沿纬向穿过南海,在东海转向往北延伸,后者有利于挟带西太平洋的近源水汽输送到中国东部季风区,进而引起降水同位素的富集。     

黑河流域气象要素与全球性大气环流特征量的多尺度遥相关分析北大核心CSCD

黑河流域生态-水文过程集成研究是我国近年来干旱半干旱地区的研究热点,气候变化条件下流域生态-水文过程的响应机制是其中一个重要科学问题。基于1956-2015年黑河流域气温、湿度、降水观测数据及多个大气环流特征量监测资料,采用小波分析方法研究了流域气象要素与大气环流特征量的周期性及遥相关。结果表明:(1)流域气温与大气环流特征量的遥相关关系最为明显,湿度、降水次之。(2)气温与Ni?o3.4 SSTA、SOI的显著遥相关共同周期为12~16 a,与NAO、AO为9~11 a,与WP遥相关周期为5~9 a,与PDO为8~15 a。(3)湿度与NAO遥相关周期为4~5 a,与POL为3~6 a,与WP为9~15 a,与PNA为2~8 a。(4)降水与Ni?o3.4 SSTA遥相关周期为9~15 a,与NAO为2~4 a,与AO为3~7 a,与POL为11~19 a,与WP为9~14 a。(5)上述各遥相关周期的地域分布、显著时段与时滞特征各有差异。本文研究有助于加深流域气象要素对环流特征量响应机制的认识,为我国干旱半干旱地区内陆河流域严峻的水-生态问题的解决及水资源管理提供依据。