东海西部陆架海域水团的季节特征分析

On the basis of the CTD data and the modeling results in the winter and summer of 2009, the seasonal characteristics of the water masses in the western East China Sea shelf area were analyzed using a cluster analysis method. The results show that the distributions and temperature-salinity characteristics of the water masses in the study area are of distinct seasonal difference. In the western East China Sea shelf area, there are three water masses during winter, i.e., continental coastal water（CCW）, Taiwan Warm Current surface water（TWCSW） and Yellow Sea mixing water（YSMW）, but four ones during summer, i.e., the CCW, the TWCSW, Taiwan Warm Current deep water（TWCDW） and the YSMW. Of all, the CCW, the TWCSW and the TWCDW are all dominant water masses. The CCW, primarily characterized by a low salinity, has lower temperature, higher salinity and smaller spatial extent in winter than in summer. The TWCSW is warmer, fresher and smaller in summer than in winter, and it originates mostly from the Kuroshio surface water（KSW） northeast of Taiwan, China and less from the Taiwan Strait water during winter, but it consists of the strait water and the KSW during summer. The TWCDW is characterized by a low temperature and a high salinity, and originates completely in the Kuroshio subsurface water northeast of Taiwan.     

山东荣成天鹅湖大叶藻形态和生长的季节性变化研究

2012年8月至2013年7月,作者逐月对天鹅湖大叶藻(Zostera marina L.)的形态特征、植株密度、生物量和生产力进行了监测。结果表明,大叶藻周年株高最高值和最低值分别出现在7月和1月;叶鞘高度、叶鞘宽度和叶宽的最高值均出现在7月,叶鞘高度最低值出现在1月,叶鞘宽度和叶宽最低值均出现在2月;大叶藻顶枝、侧枝和花枝的周年密度最大值分别出现在6月、4月和5月,最小值分别出现在1月、8月和7月;单株生物量和地上部分生物量最大值均出现在7月,地下部分出现在10月,而单株生物量和地上部分生物量最小值均出现在1月,地下部分生物量最小值出现在3月;单株地上和地下生产力最大值均出现在6月,最小值则分别出现在1月和2月。分析显示,大叶藻在冬季由于水温较低导致生长缓慢,且植株较小,在春季随水温上升,生长开始加快。水温在夏初达到大叶藻的最适生长水温,大叶藻的生物量和初级生产力达到最高值,而夏末和初秋由于水温过高导致大叶藻个体生物量、密度和初级生产力开始降低。这种季节性变化与水温的季节性变化密切相关。     

基于PIV技术不同形式防波堤周围涡旋场特性研究(英文)

深水防波堤周围流场存在复杂的紊动变化,防波堤较容易发生失效破坏。本文利用PIV技术,基于模型实验,对规则波作用下防波堤周围的速度流场及其涡流特性进行了实验研究,获得了规则波流场的瞬时速度分布。通过对不同型式防波堤在不同的水力条件下的波浪流场实验数据的分析,定量地研究了防波堤堤身水域的涡旋流场的水力特性。     

基于特征区域统计的多光谱遥感影像海岛瞬时岸线提取(英文)

本研究采用IKONOS遥感图像,选取波谱特征区,通过区域像元统计并计算各波段权重系数,将影像进行波谱归一化处理,使归一化的影像岛陆与海水特征更明显。在此基础上,采用最大类间方差法确定最佳分割阈值,对归一化的影像进行二值化,从而提取海岛岸线。该方法采用特征曲线法进行水陆分离,得到的二值图像保持了原图的有效边缘,采用二值形态学提取的海岸线连续可靠、信噪比高。结果表明,该方法简单、快速,能有效提取海岸线,具有实用价值。     

福建西部山区短时暴雨雷达回波特征及中小尺度系统分析

利用常规天气资料、探空、地面降水资料以及建阳、龙岩两部新一代天气雷达资料对2005-2009年福建西部山区短时暴雨的雷达回波特征及对应的中小尺度系统进行分析,分析表明:短时暴雨的雷达回波按降水类型可分为大陆强对流型降水和热带海洋型强降水,并统计了大陆强对流型降水和热带海洋型降水低层反射率因子与雨强对应关系;按降水影响时间可以分为以局地发展为主的停滞型回波和不断影响某一地区的移动型列车效应回波;利用雷达回波演变及基本径向速度资料,结合天气系统,提取三类产生短时暴雨对应的中小尺度系统:与低空切变(或低压槽)、西南急流配合的中小尺度切变线或辐合线,以切变南压为主的中小尺度切变线或辐合线和以局地对流发展为主的逆风区或中气旋。     

北京地区自动站降水特征的聚类分析

利用2007—2010年北京123个自动气象站逐时降水观测资料,采用聚类分析方法,对北京的主城区、西部和北部区、东北区、东南区共分为4个区域的逐时降水时空分布特征进行了分析。结果表明:通过与实际地形和下垫面类型比较,自动站分类较为合理,避免了在区域划分方面的主观因素影响。主城区降水集中时段最为突出,集中出现在7月逐日20—00时,且降水强度最强,降水量较大,降水小时数不多。西部和北部区降水集中出现在6月逐日18—20时、7月逐日23时至次日03时,降水小时数最多,降水强度不大,降水量不大。东北区降水主要集中出现在7月逐日00—08时和17—23时,降水小时数较多,降水强度不大,降水量最大;东南区降水主要集中出现在7月的逐日02—04时,降水小时数少,降水强度较大,降水量较大。     

三体散射长钉（TBSS）在C波段雷达中的应用研究

利用普洱CIND3830-CC天气雷达资料、地面观测资料进行统计分析,研究2004-2013年普洱C波段天气雷达中27次三体散射长钉(TBSS)的统计特征、地面降雹与TBSS的对应关系,并对TBSS在冰雹预警方面的应用进行探讨,结果表明:(1)C波段雷达中,产生TBSS的回波的反射率因子范围为55.0~68.4 dBz,70%的TBSS出现在反射率因子≥60 dBz时。(2)TBSS的维持时间为10~79 min,63%的TBSS维持时间超过20 min。(3)TBSS一般出现在4.0~9.5 km,最低出现在2.6 km,最高出现在11.4 km。(4)TBSS长5.6~22.4 km,宽1.5~14.6 km,TBSS宽度与强回波区径向外侧的60 dBz以上回波的面积成正比,但TBSS的长度与反射率因子核心的强度和宽度无明显对应关系。(5)出现TBSS时,59%的回波出现了降雹,11%的回波出现了强冰雹。(6)出现TBSS且出现降雹的过程中,TBSS预报冰雹的时间提前量为5~100 min,平均为34.5 min。(7)在出现TBSS且出现降雹的过程中,TBSS的宽度与冰雹的大小或降雹密度成正比。此外,分析了出现TBSS但未降雹的原因,找出了TBSS配合垂直液态水含量密度(D_(VIL))和45 dBz伸展高度、TBSS配合回波宽度和45 dBz伸展高度的预报冰雹的方法,在出现TBSS特征的回波中,上述方法的预报准确率分别达89%和94%(临界成功指数为0.89和0.94)。     

阿勒泰地区冬季降水变化特征分析

利用阿勒泰地区7个地面气象站1961—2011年51a的降水观测资料,运用线性趋势、变差分析、EOF、Molet小波变换、M—K突变检测、R／S分析法,分析了该地区近50a来冬季降水的时空变化特征。结果表明：近50a来,该地区冬季降水量存在自山区向河谷逐渐减少的分布特征,年际变化幅度由东北向西南逐渐减小;在空间分布上以全地区一致型为主,部分年份还呈现东北一西南差异分布。冬季降水量在196l一1968年处于偏多阶段,1968--1982年为偏少阶段,此后呈增多趋势。该地区降水以18a周期变化为主,20世纪70年代中后期出现8a的短周期,在90年代中期出现5a的短周期振荡。冬季降水量的突变特征并不显著。R／S分析表明该地区冬季降水量的增加趋势在未来仍将持续。     

地理空间数据结合手机信令等多源数据刻画城市居民出行特征

本文提出了以地理空间数据为支撑,结合手机信令、POI等多源数据刻画城市居民出行特征的方法。首先将信令数据与地理信息区块绑定,根据时间特征和地理区块的社会属性,识别居民的基本职住娱信息;然后综合民生POI点、出行特征拓展关键词、图谱等多源数据,运用工作日通勤分析模型和节假日出行特征提取模型,识别用户的通勤距离、通勤方式、日均通勤频次、周均工作时长、节假日出行场景、出行频次、驻留时长等内容,并形成涵盖职住娱信息的出行特征类标签集。以成都市为例,采集连续1个月的手机信令数据和同时期的POI等数据,验证了该方法的可行性,该成果作为反映城市实际人口规模数量和空间分布特征的城市人口地图大数据产品的重要内容,为政府部门、商企用户开展相关分析业务提供数据支撑。