辅助模型辨识方法(1):自回归输出误差系统

研究了自回归输出误差(AR-OE)系统的辅助模型随机梯度算法、辅助模型多新息随机梯度算法、辅助模型递推最小二乘算法,自回归输出误差自回归滑动平均(AR-OEARMA)系统(即AR-Box-Jenkins系统)的辅助模型广义增广随机梯度算法、辅助模型多新息广义增广随机梯度算法、辅助模型递推广义增广最小二乘算法,以及AR-Box-Jenkins系统的基于滤波的辅助模型广义增广随机梯度算法、基于滤波的辅助模型多新息广义增广随机梯度算法、基于滤波的辅助模型递推广义增广最小二乘算法等.     

Estimating spatial variations of total evaporation using multispectral sensors within the uMngeni catchment,South Africa

Total evaporation is of importance in assessing and managing long-term water use, especially in water-limited environments. Therefore, there is need to account for water utilisation by different land uses for well-informed water resources management and future planning. This study investigated the feasibility of using multispectral Landsat 8 and moderate resolution imaging spectroradiometer (MODIS) remote sensing data to estimate total evaporation within the uMngeni catchment in South Africa, using surface energy balance system. The results indicated that Landsat 8 at 30 m resolution has a better spatial representation of total evaporation, when compared to the 1000 m MODIS. Specifically, Landsat 8 yielded significantly different mean total evaporation estimates for all land cover types (one-way ANOVA; F_4.964?=?87.011, p < 0.05), whereas MODIS failed to differentiate (one-way ANOVA; F_2.853?=?0.125, p = 0.998) mean total evaporation estimates for the different land cover types across the catchment. The findings of this study underscore the utility of the Landsat 8 spatial resolution and land cover characteristics in deriving accurate and reliable spatial variations of total evaporation at a catchment scale.     

滑坡监测数据处理回归模型分析及探讨

主要介绍了滑坡监测的技术和方法,并通过万源市太平镇某滑坡监测实践,阐述了在地形复杂、观测条件恶劣的山区进行滑坡监测时,基准监测点选择、监测网布设、数据处理的方法。最重要的是用线性回归方程分析监测数据,为科学治理提供可靠的依据。     

基于核半监督判别分析的高光谱影像特征提取

针对高光谱影像特征提取中地物类别训练样本获取代价较高的情况,在线性判别分析的基础上,结合核方法和半监督学习理论,提出了一种基于核半监督判别分析(KSDA)的高光谱影像特征提取方法。该方法同时利用少量已知类别和大量未知类别样本数据进行模型的学习和训练。通过OMIS高光谱影像数据实验表明:在少量已知类别训练样本的条件下,经KSDA特征提取的样本数据在特征空间中能更好地聚集成团,且类别之间的距离较大,增加了类别之间的可分性,得到了较高的分类精度;同时,提取的特征影像能够较好地区分各种地物类别。     

一次伴有雷暴大风的飑线天气过程分析及数值模拟研究

利用NCEP/NCAR(1°×1°)的逐6 h再分析资料、WRF中尺度预报模式,对2014年7月30—31日发生在江淮地区的一次强飑线天气过程进天气学分析和数值模拟研究。研究结果表明,此次飑线过程是在高空槽后有强冷空气输送、中层阶梯槽引导干冷空气南下并叠加在低层暖湿气流之上的有利背景条件下产生的,低空切变线是此次飑线过程的重要触发机制。在飑线成熟阶段,气流下沉速度极大值区在高(低)层与霰(雨水)混合比极大值区有很好的对应关系,水凝物粒子下落时对周围空气的拖曳作用是下沉气流形成的关键。雨水蒸发率影响飑线维持期间地面冷池的强度和分布,雨水蒸发率越大,地面冷池强度越强、范围越广;雨水蒸发率越小,地面冷池越弱,甚至消失。雨水蒸发率与地面风速也有很好的正相关性,增大雨水蒸发率可使地面风速增大,使模拟的地面最大风速更接近实况。     

基于二阶局部纹理熵的边缘检测方法

针对传统的边缘检测方法将灰度变化较为平缓的区域误判为边缘的问题,提出了基于二阶局部纹理熵的边缘检测方法。利用了二阶局部纹理熵能表示局部区域灰度变化大小的性质,并采用灰度错位压缩法消除灰度值压缩造成的条纹现象。实验表明,本文提出的方法能有效地检测出各类边缘,解决了上述的误判问题;通过不同大小窗口的边缘检测效果比较,建议在采用基于二阶局部纹理熵的边缘检测方法时将窗口设置为3×3。     

线状中尺度对流系统的多普勒雷达统计特征分析

利用济南CINRAD/SA新一代多普勒天气雷达资料,统计分析了2004—2015年约15万km2区域内发生的148个线状中尺度对流系统（linear mesoscale convective systems,简称LMCSs）的多普勒雷达回波特征。主要分析了LMCSs的年和月分布、典型尺度、典型回波强度的统计特征以及初始回波出现时间、位置、LMCSs持续时间、演变过程回波合并特征、移动速度和方向、发展后期回波演变特征、组织类型等。LMCSs存在明显的年际变化,不同年份之间有很大的差别,而每年的6月和7月是LMCSs的高发期;80%的LMCSs是大于50 km的中-β尺度,20%属于中-α尺度,成熟期97.3% LMCSs的最大回波强度在55～70 dBz间;10—22时之间易开始形成LMCSs,14—16时是峰值,凌晨不易形成LMCSs,而LMCSs持续时间在2～18 h之间,6～8 h是峰值;一半的LMCSs在演变过程出现回波合并,合并过程可以分为与孤立对流单体合并、与对流回波群合并和与对流回波带合并三类;地形对LMCSs的触发有重要影响,太行山脉、鲁中山区的北麓和西麓容易触发形成LMCSs。这些研究为认识LMCSs发生、演变、减弱各阶段的特征,进一步提高对LMCSs的实时监测、短时预警水平提供了基础。     

Lessons learned from the 2013 Calgary flood: Assessing risk of drinking water well contamination

A devastating flood occurred in southern Alberta on June 19, 2013, from greater than normal snowfalls in the Rocky Mountains and excess precipitation during the early spring that left soils saturated and unable to absorb any additional precipitation. This flood was Canada's most costly natural disaster, with five to six billion Canadian dollars in damages. The first objective of this study was to determine if the flood caused an increase in private drinking water well contamination in the Calgary Health Zone by comparing contamination rates to previous years. The second objective was to determine which environmental factors were associated with contamination during this flood event. Test results of total coliforms (TC) and Escherichia coli (EC) of private water wells were used to determine contamination. A geographically weighted Poisson regression analysis suggested that TC contamination was not associated with this flood. The EC contamination is positively associated with floodways, flood fringe, farms, and negatively associated with intermittent water (sloughs). These results suggest that for the 2013 flood, individual well characteristics are more important than surrounding geographic features. Thus, it is recommended that homeowners who live in a high-risk area ensure their wells are properly maintained to reduce risk of water well contamination.     

基于BP神经网络的霍普菲尔德模型改进研究

为了分析对流层延迟的时空变化规律、提高对流层延迟的改正精度,利用BP神经网络处理非线性问题的优势,改进传统的霍普菲尔德模型得到一种新的融合模型(Hop+BP模型)。分别对比Hop+BP模型与传统的霍普菲尔德模型、多元线性回归模型、BP神经网络等模型的计算结果,得到如下结论:霍普菲尔德模型存在一个明显的系统误差,精度较低;多元线性回归的预测精度有所提高,但是其本质是将数据强制拟合,缺少物理解释,难以推广使用;传统的BP神经网络的计算精度较之霍普菲尔德模型有80%的提高,但存在明显的不稳定性;Hop+BP模型具有预测精度高、稳定性好等优点,预测中误差为1.1cm,明显优于传统方法。     

线性/非线性光谱混合模型估算白刺灌丛植被覆盖度

及时监测干旱与半干旱区光合/非光合植被覆盖度时空变化,可以为指导荒漠化防治工程及植被衰退机制研究提供重要信息。本文以甘肃民勤典型植被白刺灌丛为研究对象,通过地面控制性光谱实验获取混合光谱、端元光谱与丰度信息,开展线性与非线性光谱混合模型(包括核函数非线性和双线性混合模型)估算光合和非光合植被覆盖度的对比研究,采用全限制最小二乘法进行模型解混,分别获取各样本数据中各类端元丰度及其精度信息,通过模型分解的均方根误差(RMSE)与地面验证精度确定用于光合和非光合植被覆盖度估算的最佳光谱混合模型,其中参考端元丰度采用神经网络(NNC)分类算法对数字影像进行分类获取。结果表明:(1)引入阴影端元的四端元模型相对于传统的三端元模型(光合/非光合植被与裸土)能有效提高光谱解混的精度,并提高光合和非光合植被覆盖度估算精度;(2)对白刺灌丛来说,光合植被、非光合植被、裸土及阴影间多重散射混合效应存在,但混合效应不够显著;考虑非线性参数的核函数非线性光谱混合模型表现略低于线性光谱混合模型,因此非线性光谱混合模型在估算白刺灌丛光合和非光合植被覆盖度时相对于线性光谱混合模型没有明显优势;(3)基于光合/非光合植被、裸土与阴影四端元的线性光谱混合模型可以实现白刺灌丛光合和非光合植被覆盖度的准确估算,光合植被覆盖度估算RMSE为0.11 77,非光合植被覆盖度估算RMSE为0.0835。