21世纪重庆中雨以上天数的预估分析

利用用于IPCC-AR4的全球气候模式产品,验证其对重庆地区极端降水指数中雨以上天数(dR10)模拟能力的基础上,对模拟能力较好的模式进行组合,预估高(A2)、中(A1B)、低(B1)三种排放情景下未来21世纪重庆地区dR10的变化。不同排放情景下未来重庆dR10的变化不太一致。与目前气候(1980—1999年)相比,不同情景下未来21世纪重庆地区dR10在多数时期将可能减少。21世纪的后90a(2011—2100年),A2情景下重庆dR10减少最多,平均减少1.3d;3种情景平均将减少0.5d。21世纪初期(2011—2040年)、中期(2041—2070年)和后期(2071—2100年),A2情景下重庆dR10减少都最多,分别平均减少1.6d、1.6d和0.7d;3种情景平均分别减少0.8d、0.6d和0.1d。     

基于水面实测光谱的太湖蓝藻卫星遥感研究

水体叶绿素a含量和蓝藻密度是评价水质污染的主要参数,对监测水体蓝藻水华有重要意义。该文利用2008年11月10日和11日太湖水面实测光谱及FY-3A/MERSI,AQUA/MODIS卫星的波段响应函数,计算了卫星波段的水体表面等效反射率。水体实测光谱显示蓝藻污染提高了近红外波段的遥感反射率,在蓝光波段和绿光波段有明显的吸收谷和反射峰。根据这一原理,该文建立了近红外和红光波段的比值指数RI模型,成功反演了太湖水体叶绿素a含量(均方根误差分别为0.0174 mg·L~(-1)和0.0188 mg·L~(-1))和蓝藻密度(均方根误差分别为247.21×10~6L~(-1)和275.64×10~6L~(-1))。这一结果为分析太湖水面光学特性、水质污染状况提供了重要依据。     

清华大学CIESM模式及其参与CMIP6的方案

世界气候研究计划（WCRP）组织实施第六次国际耦合模式比较计划（CMIP6),清华大学联合国内多家单位,通过多年的模式研发,完成联合地球系统模式（CIESM),除了CMIP6的气候诊断、评估和描述试验（DECK）和历史气候模拟试验（Historical),模式拟参与6个CMIP6子计划。通过介绍该模式的基本情况及其参与的试验子计划,为今后模式试验数据使用者提供参考。     

地质灾害预警预报模型设计与应用

基于地质灾害的多样性及其变化的随机性和非稳定性特点,本文综合利用数学算法和GIS技术,设计了地质灾害预警模型,分析了诱发地质灾害的地形、地貌、气象、水文等几方面的因素,并根据这些因素的特点,选取不同的样本对其进行量化处理,运用主成分分析法,计算了各个因素导致地质灾害发生的权重指数及各监测站点的易发级别。在此基础上,基于GIS技术、采用泰森多边形法等将站点的易发级别转换成面的易发级别,运用日降雨量、降雨强度等指标计算出地质灾害发生的概率,通过区域化易发等级图与降雨图的叠加分析,采用地质气象偶合方法,实现了地质灾害预测。在某省案例区的研究表明,本研究设计的地质灾害预警模型具有较高的预警精度(预警结果80%符合实际情况)。     

Desertification status mapping in Muttuma Watershed by using Random Forest Model

Potential of the Random Forest Model on mapping of different desertification processes was studied in Muttuma watershed of mid-Murrumbidgee river region of New South Wales, Australia. Desertification vulnerability index was developed using climate, terrain, vegetation, soil and land quality indices to identify environmentally sensitive areas for desertification. Random Forest Model(RFM) was used to predict the different desertification processes such as soil erosion, salinization and waterloggin...     

巢湖浮游植物叶绿素含量与反射光谱特征的关系

利用高光谱地物光谱仪在巢湖进行了反射光谱测量和同步水质采样分析。在分析巢湖水体反射光谱特征的基础上,通过研究水体光谱反射率与叶绿素浓度之间的关系,利用反射率比值法和一阶微分法分别建立了叶绿素a的遥感定量模型。结果表明反射率比值R705nm/R680nm和690nm反射率的一阶微分均与叶绿素a浓度有较好的相关性,且用反射率比值法估算叶绿素a效果较好。     

基于反射光谱的太湖北部叶绿素a浓度定量估算

利用地物光谱仪研究了太湖水体的反射光谱特征与叶绿素a浓度之间的定量关系,结果表明太湖水体的叶绿素a浓度可以用720 nm附近的反射率估算,同时也可以用806 nm和571 nm两个波段的反射率比值来估算,前者建立的估算模型具有较好的通用性,而后者只能较好的估算<10μg/L的叶绿素a浓度;通过对光谱微分的分析,发现叶绿素a浓度与690 nm附近的一阶微分和702 nm附近的二阶微分相关性最好,但基于反射光谱一阶微分的叶绿素a浓度估算模型,并没有显著的提高太湖叶绿素a浓度的估测精度,二阶微分后的估测精度好于一阶微分,但其估测精度仍没有利用720 nm反射光谱的反演模型高．太湖水体的叶绿素a浓度可以利用720 nm附近的反射光谱有效地估算．     

数字区域地质调查系统技术研究

数字区域地质调查是地质调查主流程信息化迫切需要解决的问题。也是世界先进国家区调工作的普遍趋势，根据世界先进国家在野外地质调查与填图采集技术方面的研究现状，结合我国实际，基于3S技术野外地质调查与填图信息化的新一代野外数据采集（器）技术，从改变传统的填图手段、提高研究精度和程度、加快研究周期、改变成果表现形式的技术方法着手，对野外地质调查与填图数字化采集技术、数据模型、技术流程、实现的工具与方法等进行了初步探讨。     

积雪季节变化特征的数值模拟及其敏感性试验

文中利用综合陆面模式 (ComprehensiveLandSurfaceModel,CLSM )对法国ColdePorte 1 993/ 1 994 ,1 994 / 1 995年及BOREASSSA OJP 1 994 / 1 995年积雪个例进行了模拟试验 ,通过模拟结果与观测资料的对比 ,检验了CLSM对积雪变化特征的模拟能力 ,并通过敏感性试验探讨了降雪密度、积雪持水量等积雪参数化方案及植被对积雪模拟可能产生的影响。结果表明 :(1 )CLSM能够准确地模拟出积雪的变化过程 ,对积雪的演变特征作出了合理的描述 ;(2 )降雪密度、积雪持水量参数化方案对积雪模拟结果均具有一定的影响 :降雪密度参数化主要对积雪深度的模拟产生影响 ;而积雪持水量参数化方案对积雪的演变过程 ,尤其是积雪的消融 ,具有重要的作用 ;(3)有、无植被存在的情况下 ,积雪 土壤系统的变化过程存在显著的差别 ,植被通过改变积雪 /土壤表面的能量平衡 ,对积雪及土壤的变化过程产生重要影响 :植被的存在有利于积雪的维持 ,使得积雪融化进程推迟 ,冻结土壤的增温明显偏慢     

Evaluating Soil Moisture Predictions Based on Ensemble Kalman Filter and SiB2 Model

Soil moisture is an important variable in the fields of hydrology, meteorology, and agriculture, and has been used for numerous applications and forecasts. Accurate soil moisture predictions on both a large scale and local scale for different soil depths are needed. In this study, a soil moisture assimilation and prediction based on the Ensemble Kalman Filter(EnKF) and Simple Biosphere Model(SiB2) have been performed in Meilin watershed, eastern China, to evaluate the initial state values with different assimilation frequencies and precipitation influences on soil moisture predictions. The assimilated results at the end of the assimilation period with different assimilation frequencies were set to be the initial values for the prediction period. The measured precipitation, randomly generated precipitation,and zero precipitation were used to force the land surface model in the prediction period. Ten cases were considered based on the initial value and precipitation. The results indicate that, for the summer prediction period with the deeper water table depth, the assimilation results with different assimilation frequencies influence soil moisture predictions significantly. The higher assimilation frequency gives better soil moisture predictions for a long lead-time. The soil moisture predictions are affected by precipitation within the prediction period. For a short lead-time, the soil moisture predictions are better for the case with precipitation, but for a long lead-time, they are better without precipitation. For the winter prediction period with a lower water table depth, there are better soil moisture predictions for the whole prediction period. Unlike the summer prediction period, the soil moisture predictions of winter prediction period are not significantly influenced by precipitation. Overall, it is shown that soil moisture assimilations improve its predictions.