Hydrodynamic Tidal Model of the Persian Gulf Based on Spatially Variable Bed Friction Coefficient

The aim of this study is to develop a two-dimensional hydrodynamic tidal model for the Persian Gulf (PG2017) using 2D-MIKE21 software. The advantages of present study is accounting for the spatial variation of bed friction coefficient besides a precise bathymetry together with a 23-year of combined records of satellite altimetry data. We found that the bed friction coefficient has a significant effect on sea level changes in the region under our modeling consideration. Since the tidal behavior in the northern part of the Qeshm Island is significantly different from the other parts of the Persian Gulf, to present a more accurate hydrodynamic tidal model, the Gulf is divided into two regions where the bed friction coefficient is modeled separately for each region. The root mean square value of the differences between the amplitude of dominant constituents; M2, S2, K1, and O1 derived from the PG2017 model and that of 98 altimetry and coastal tide gauge stations are respectively equal to 1.6, 1.9, 2.8, and 1.3?cm. Moreover, comparing the PG2017 model efficiency with the FES2014, OSU12, EOT11a, DTU10, and Admiralty models shows that the PG2017 model has an improvement of 22.1%, 47.2%, 43.2%, 44.2%, and 57.6% in terms of relative error, respectively.     

Sea Level Prediction in the Yellow Sea From Satellite Altimetry With a Combined Least Squares-Neural Network Approach

Accessible high-quality observation datasets and proper modeling process are critically required to accurately predict sea level rise in coastal areas. This study focuses on developing and validating a combined least squares-neural network approach applicable to the short-term prediction of sea level variations in the Yellow Sea, where the periodic terms and linear trend of sea level change are fitted and extrapolated using the least squares model, while the prediction of the residual terms is performed by several different types of artificial neural networks. The input and output data used are the sea level anomalies (SLA) time series in the Yellow Sea from 1993 to 2016 derived from ERS-1/2, Topex/Poseidon, Jason-1/2, and Envisat satellite altimetry missions. Tests of different neural network architectures and learning algorithms are performed to assess their applicability for predicting the residuals of SLA time series. Different neural networks satisfactorily provide reliable results and the root mean square errors of the predictions from the proposed combined approach are less than 2?cm and correlation coefficients between the observed and predicted SLA are up to 0.87. Results prove the reliability of the combined least squares-neural network approach on the short-term prediction of sea level variability close to the coast.     

基于散射计风场数据的台风强度诊断方法——以海洋二号卫星数据为例

本文提出了一种基于散射计风场数据的台风定强方法。该方法定义了台风所在海区的一个圆形区域上的风速平均值来对台风进行定强,并使用海洋二号卫星散射计历史数据对该方法进行了验证。验证结果表明,该台风定强方法可以克服散射计反演台风风速过低的问题。与台风强度监测的历史记录比较的结果显示,在台风强度低于"强台风"这一强度等级时,该方法能够有效估算台风强度。     

利用卫星遥感海面温度、高度联合反演南海北部三维温度场

利用历史观测得到的温度剖面数据,通过严格筛选和插值,建立了南海北部的气候态垂向温度剖面。随后,利用回归统计分析的方法构建了海面温度异常(SSTA)、海面高度异常(SSHA)联合扩展温度剖面的经验回归模型,并采用卫星遥感得到的SST和SSH数据扩展了南海北部的三维海洋温度场,其时间分辨率为天,空间分辨率为0.25°×0.25°。通过与观测数据的对比研究,扩展得到的温度场可以较为准确地反映南海北部温度剖面的结构特征,并且能有效地体现出一些中尺度变化过程。结果表明,本研究反演得到的三维温度扩展场是较为可靠的,它可以作为海洋数值模型的初始场,实现现场观测数据和卫星遥感数据的互补,有助于更好地分析南海北部温度场的三维结构及变化特征。     

高分六号遥感卫星新增波段下的树种分类精度分析

高分六号卫星具有覆盖广、多种分辨率、波段多的优势,能为遥感解译提供更丰富的信息。为探究高分六号卫星新增波段在森林树种识别上的应用,本文以覆盖根河市阿龙山林业局的一期高分六号宽幅影像为数据源,基于特征优化空间算法（Feature Space Optimization,FSO）和最大似然分类法,分别利用高分六号的前4个波段和所有波段（8波段）的光谱、纹理等特征进行了森林树种分类,并逐一添加新增波段特征确定了各波段的贡献率排名。结果表明：在加入了优选出的均匀性纹理、均值纹理和角二阶矩纹理3种纹理特征后,前4波段和8波段的分类精度比只基于光谱特征时的精度分别高出13.23%和24.63%;利用8波段信息比只利用前4波段在基于光谱特征上的精度高11.88%,在基于光谱+纹理特征上则高23.24%;基于8波段光谱+纹理特征的树种分类精度最高,达到68.74%,新增4波段的贡献率排名为B6>B5>B8>B7,说明新增红边波段对于本次树种分类试验的贡献率最高,能为北方树种识别提供有效帮助。     

全球海潮模型最新进展及在中国沿海精度评估

介绍TPXO、FES、Chinatide、MIKE Global Tide、Utide等典型海潮模型,总结归纳其同化潮汐数据来源和最新的海洋地形数据,利用我国沿岸长期验潮站以外的26个中短期潮位观测站评估TPXO等海潮模型预报精度。结果表明,全球海潮模型对我国沿海M2分潮的预报精度普遍较低,且主导了几种海潮模型在中国海域的整体预报精度;相比MIKE Global Tide和TPXO7.2,TPXO8、TPXO_Yellow Sea 2010和TPXO_China&Ind模型在我国沿海的预报精度更高。     

DOT2008A海面地形模型在我国邻近海域的精度评估

文中首先介绍了DOT2008A模型建立的原理和方法,利用我国48个长期验潮站19 a连续观测数据验证DOT2008A模型的精度,其均方差为0.118 m,残差的标准偏差为0.086 m;联合多源测高卫星建立的海面地形模型数据验证DOT2008A的精度,均方差为0.106 m,残差的标准偏差为0.099 5 m,且其残差分布图基本符合正态分布。从实验结果来看,DOT2008A模型在我国周边海域精度较高,其建立方法较为合理,转化应用价值较高;同时与多源测高卫星建立的海面地形比较结果来看,验证了自主建立的海面地形模型的正确性,对建立我国高精度海面地形模型具有重要的借鉴意义。     

实时卫星钟差基准精化方法

在基于精密单点定位(PPP)的授时方法中,卫星钟差产品的高精度时间基准至关重要.针对实时卫星钟差产品时间基准不够稳定的问题,本文采用一组具有原子钟外部输入的国际全球卫星导航系统(GNSS)服务(IGS)跟踪站建立了顾及原子钟变化特性的基准精化方法.该方法首先采用阿伦方差对不同的IGS跟踪站外接原子钟进行稳定度分析,挑选出一组稳定度高的原子钟用以精化时间基准.在此基础上,利用阿伦方差分析各台原子钟的噪声参数特征,并确定不同原子钟之间的权比关系.最终,建立时间基准改正量的随机模型,并计算出精化后的时间基准.通过实例验证表明:与IGS事后精密钟差产品定义的时间基准比较,改正后的实时钟差基准单天内的标准差(STD)优于0.1 ns,相比于改正前最高提升了93%.同时,基准改正后的天内万秒稳达到10^-15量级,实现了一个量级的提高.此外,通过相对钟差精度的分析,表明钟差基准修正不影响PPP的定位精度.     

广东省统一深度基准项目的设计研究

根据对广东省现有长期验潮站数量、分布以及水位数据情况的分析,确立了在已有长期验潮站的基础上,采用适当布设短期验潮站的方式,对长期验潮站进行加密补充;建立海区调和常数变化模型,并结合水深数据、卫星测高数据,构建海洋潮汐模型;最终建立深度基准模型的总体设计思路。广东省统一深度基准的建立,可实现深度基准面1985高程模型的构建,相邻测区间水深成果的无缝拼接,沿海水深成果与陆地地形成果的相互转换,GNSS技术下的水深测量(无验潮模式)以及对沿海范围内海岸线和海岛岸线的精确推算。     

基于FY-4A卫星和随机森林算法的西藏山南市雷电短临预报方法

针对青藏高原地区雷电短临预报缺乏雷达资料的问题,采用FY-4A卫星多通道数据、欧洲中心第5代再分析资料(ERA5)中的对流指数、闪电定位仪资料等多源监测数据,根据雷电的发生、发展机理,提出了18个关键预报因子,利用随机森林算法建立了适用于西藏山南地区的雷电短临预报模型。统计分析各预报因子在有无雷电天气样本中的概率密度分布与随机森林模型得到的特征重要度指标,结果表明提出的预报因子物理意义明确,建立的模型可信度较高。利用随机森林算法分别对未来10 min、20 min、30 min建立雷电预报模型,并与光流外推预报方法进行对比检验,结果表明：随机森林模型预报效果命中率(POD)、临界成功指数(CSI)均高于光流法,空报率(FAR)也相对较低;未来20 min的随机森林预报模型CSI评分最高,整体预报效果最佳。