农田表面粗糙度参数的测量与精度分析

表面粗糙度是有效解释雷达后向散射系数和微波辐射亮度温度的关键参数之一。表面粗糙度参数的测量精度受到测量方法、测量仪器、数据预处理等的影响,如何获取到表面粗糙度的"真"值是地表粗糙度测量急需解决的问题,并且有助于提高利用微波遥感技术反演地表参数的能力。本文利用激光扫描仪的二维高度数据和蒙特卡罗方法模拟的一维表面高度数据,分析了重复采样次数、采样间隔、采样剖面长度、空间自相关函数类型和大尺度结构(数据倾斜和农田垄行结构)对表面粗糙度精度的影响,研究表明:在大于20次重复采样、小于10mm的采样间隔、200倍相关长度的剖面长度的条件下,农田表面粗糙度参数的测量精度约为80%;分形相关函数与实测农田表面的空间自相关系数的吻合性要高于高斯函数和指数函数;数据倾斜和农田垄行结构严重影响表面粗糙度参数的结果,在进行表面粗糙度参数的计算之前,需从剖面高度分布数据中去除以上两个因素的影响。     

南方涛动、热带海温与西北太平洋副高的联系

本文应用统计方法,首先探讨南方涛动指数与西北太平洋副热带高压的联系,然后分析赤道和热带太平洋区域海温对南方涛动的响应情况,同时分析南方涛动响应区域的海温与当时及滞后的西北太平洋副热带高压的联系,从中探讨南方涛动、厄尔尼诺海温异常及西北太平洋副热带高压之间的一种可能的相互作用机制。     

面向对象的航空高光谱图像混合分类方法

传统的高光谱分类通常仅考虑单一像元的光谱或纹理特征,分类后容易出现地物破碎的现象。鉴于此,本文提出了一种面向对象的混合分类方法,将面向对象的分割结果与传统的像元级分类结果进行有机融合,充分利用对象的光谱特征和空间结构特征。在此基础上,引入了2种具体的混合分类方法,即多尺度分割的SVM分类和多波段分水岭分割的SVM分类。前者将地物光谱的可变性进行弱化处理,转化为多尺度均质对象单元进行分类;后者融入了地物的空间信息和形态学特征,对分割得到的同质区域进行分类。将这2种分类方法应用于航空高光谱数据,实验结果表明：面向对象的混合分类方法的总体精度分别为92.63%和96.13%,与传统的像元级分类法相比,分别提高了10.14%和13.64%,有效地解决了分类后地物的破碎现象。     

基于集合预报产品的四川暴雨预警指数研究

基于2005~2007年汛期成都区域气象中心的中尺度区域集合预报产品和德国、日本数值预报模式的降水产品,针对四川暴雨构建样本资料,采用支持向量机方法(Support Vector Machines,简称SVM)建立暴雨预警模型,开展暴雨预警预报试验,并将建立的模型应用于2008年汛期四川省逐日暴雨有无预报。检验结果表明,基于区域中尺度集合预报产品建立的SVM暴雨预警模型,对暴雨定点预报有较强的指示作用,暴雨预警指数为0.2。      

《天文研究与技术》征稿简章

<正>1.《天文研究与技术》是中国科学院国家天文台主办的学术性刊物。本刊主要登载天文学及相关学科的观测研究、实测技术和方法、专题述评等方面的学术论文以及有关天文新发现的研究快讯。欢迎广大天文和相关学科的科技工作者投稿。2.来稿应具有一定的科学性,即论点明确,数据准确可靠,思路清晰,结构严谨,文字精练,     

热带印度洋-太平洋热力异常联合模对我国夏季降水的影响

基于我国160个台站的降水资料和西太平洋副热带高压指数,利用典型相关分析和合成分析等方法,研究了热带印度洋-太平洋热力异常联合模对我国夏季降水的影响,并探讨了该联合模与西太平洋副热带高压的关系。结果表明,该联合模对我国夏季降水有一年到半年的超前影响,且以冬季联合模对次年夏季降水的影响最显著。当冬季联合模出现正异常时,次年夏季我国四川地区、长江流域、华北南部降水偏多,而华北北部和江南大部分地区降水偏少;反之亦然。进一步分析表明,冬季热带印度洋-太平洋热力异常联合模对我国夏季降水的影响可能是通过夏季西太平洋副热带高压的变动来实现的。     

《时间频率学报》征稿简则

1宗旨和沿革 《时间频率学报》是中国科学院国家授时中心主办的学术、技术应用类刊物。本刊刊载时间频率科学及相关方面的理论和应用研究、技术与方法的成果与进展、专题评述等。     

FITS图像处理技术荟萃及在太阳观测中的应用

针对FITS图像文件的特点,结合其在天文学领域的广泛应用,对其各种处理技术进行了简明扼要的介绍.包括FITS文件完整性的检查、文件头和数据内容的查看、图像特性的伪彩编码、文件格式的转换、数据的压缩及相关太阳物理信息的提取等内容.     

基于相空间重构的GA-SVR组合模型边坡位移预测研究

在传统支持向量回归机的基础上,考虑观测数据的混沌特性,通过对训练样本的相空间重构,并结合遗传算法在寻参上的优势,建立边坡变形的相空间重构GA-SVR组合模型。通过组合模型对某矿山边坡位移预测值与实测值进行对比分析,发现组合模型在预测精度上更具优势。