联合GPS和GRACE数据分析陕甘宁地区地表垂直形变

采用甘肃省CORS网和中国大陆构造环境监测网络中共48个台站的GPS观测数据，解算得到观测台站的垂直位移，并与GRACE时变重力场Mascon模型解CSR RL05M数据计算得到的垂直形变进行比较，分析区域地表垂直形变特征。结果表明，研究区内台站垂直形变存在局部特征，甘肃庆阳和平凉地区垂直形变与其他地区存在明显差异，相关系数、均方根减少量和周年信号减少量均高于其他地区；扣除趋势项后，观测台站GPS垂直位移与GRACE垂直形变时间序列相关系数均值为0.72，GPS和GRACE周年信号振幅均值分别为6.00 mm和3.70 mm，周年信号减少量和均方根误差减少量均值分别为0.51和0.29；研究区内GPS垂直位移和GRACE垂直形变时间序列一致性较强，GRACE垂直形变能有效解释50%以上的GPS垂直位移周年信号，GPS垂直位移时间序列包含的非构造形变中平均约29%来源于环境负载变化所引起的负荷形变。     

基于Sentinel-2和Landsat卫星时序数据的耕地撂荒识别

充足的粮食供应是当下经济发展和社会稳定的重要保障之一，撂荒作为耕地边际化的极端表现，对其开展监测对保障耕地数量和质量至关重要。本文以四川省南充市营山县为研究区域，通过GEE平台，使用Sentinel-2和Landsat 7、8数据构建时序数据集，计算NDVI、EVI、NDWI、BSI、MSI等指数，分别利用支持向量机和随机森林法提取耕地撂荒，总分类精度为73.76%,Kappa系数为0.68,针对耕地撂荒最佳提取效果，F₁得分为0.691 1。本文方法对山地丘陵地区耕地撂荒监测有较大的借鉴意义。     

GPS时间测量值

<正>~~     

GPS时间序列分析软件CATS的安装与使用

介绍了GPS时间序列分析方法与理论,并对时间序列分析软件CATS的安装、使用及其基本原理进行了详细阐述。CATS主要使用的两种计算方法:频谱分析法和最大似然估计法;不同的噪声模型(主要是白噪声加有色噪声)来分析时间序列中的噪声以及它们对速度误差的影响。利用CATS可以方便的为研究者获得参数,进行上层研究。     

基于NDVI时间序列数据的江西省水稻种植制度变化研究

利用Savitzky-Golay滤波对覆盖江西省范围的SPOT VGT NDVI时间序列数据进行平滑处理的基础上,结合坡度数据,通过非监督分类的方法提取了江西省2000、2005和2010年水稻种植范围,并根据NDVI的年内动态变化,从水稻种植范围、水稻生长季起始时间、水稻复种指数和NDVI最大振幅等分析了江西省水稻种植和生长情况,探讨2000~2010年江西省水稻生产的变化。     

L1范数与IQR统计量组合的GNSS坐标序列粗差探测算法

GNSS坐标时间序列中不可避免地含有粗差,未剔除的粗差将会导致参数估计有偏。因此,粗差探测与剔除是GNSS坐标序列分析中一项重要的数据预处理工作。针对GNSS坐标时间序列特点,提出了一种将L1范数(L1-norm)估计与四分位距统计量IQR(interquartile range)组合的移动开窗粗差探测算法,称之为L1_Mod IQR。该方法的主要思想是,首先利用L1范数估计得到较"真实"的残差,然后再对残差采用IQR统计量进行粗差探测。将L1_Mod IQR法与"3σ"法、基于最小二乘的τ检验法等粗差探测算法进行了模拟计算与对比,验证了该算法的有效性。进一步采用L1_Mod IQR算法对中国区域10个IGS站的高程时间序列进行了分析,结果表明中国区域IGS站高程序列的粗差剔除率最小为0.1%,最大为2.6%。并且以WUHN站为例与SOPAC提供的结果进行了对比,结果表明SOPAC提供的"Clean"数据仍含有大量的粗差,而L1_Mod IQR算法能够有效地剔除粗差。     

南黄海海域M≥6强震趋势预测及其论证分析研究

南黄海地区是我国东部中强地震活动最为活跃的地区之一,自1846年以来,该研究区M≥6强震活动具有显著的可公度性和有序性,其主要有序值为74~75 a、57~58 a、11~12 a和5~6 a,其中74~75 a和57~58 a具有突出的预测作用.根据翁文波信息预测理论,在回顾总结成功预测1996年11月9日南黄海6.1级强震的基础上,深入研究了南黄海海域M≥6强震活动的可公度性及其预测功能,构建并完善了南黄海海域M≥6强震的二维和三维有序网络结构,对该区未来M≥6强震趋势进行了预测,并对预测的可能性与合理性进行了论证分析.研究结论表明：南黄海海域未来新一轮强震活跃幕的首次M≥6强震将发生在2053-2054年前后,未来第2次M≥6强震或强震群可能发生在2058-2059年前后.     

探讨1886-2012年期间全球二氧化碳浓度及城市化效应对于香港温度趋势变化的格兰杰因果关系

因果关系在许多科学领域中是一个重要课题。在气候变化研究中,一个关键的问题是天气和极端事件的变化是否或在何种程度上可以归因于全球变暖的人为因素。归因分析主要依赖于气候模型,但其在描述非线性系统中存在一定的局限性。本文应用长期观测数据并使用统计方法来探讨此问题。更具体地,本文应用格兰杰因果关系检验方法分析全球二氧化碳浓度与城市化效应对香港气温演变的影响。基于香港1886年至2012年的温度数据,我们发现其夏季平均、最高和最低气温以及酷热天气、热夜日数皆增加趋势。同时可以发现日温度的统计分布变化。格兰杰因果关系分析的结果表明,全球二氧化碳浓度的变化和城市化效应皆对香港气温的演变有所贡献,对于不同的时间滞后性这种效应同样存在。通过与非城市地区的比较,我们发现城市化效应对于夏季气温的升高大概贡献40％。根据初步的结果,文本所引入的方法可以作为一种新的角度来评估局部地区温度升高的原因。本文的分析方法可以扩展至研究其他温室气体对极端天气事件的影响,以及气候变化和社会影响之间的联系。     

慢特征分析法在气象上的应用进展

气候系统具有非平稳特征,根本原因在于其外强迫随时间发生改变,因此外部驱动力的分析对于理解气候系统的动力学特征至关重要,而如何有效提取系统外部驱动信息是一个亟待解决的前沿科学问题。最近几年,在生物神经学领域中应用的一种提取非平稳信号中外强迫信息的方法——慢特征分析法(Slow Feature Analysis,SFA),在气象领域中也得到了初步成功的尝试,结果显示出此方法对气候系统的外强迫信息分析及有关动力学机制的探究有较好的应用前景。本文主要介绍SFA方法的理论思想及实施步骤,并通过一个理想的非平稳时间序列检验其提取外强迫信息的能力,结果证明在衰减的Logistic模型中,可利用SFA算法提取出模型中的外强迫,且与真实外强迫的相关系数可达0.99;此外,还介绍将该方法应用于Arosa臭氧时间序列,分析其提取的外强迫信息的动力学特征;并介绍了在气候时间序列建模中引入外强迫因子的预测效果。     

基于LLS的雷电流波头时间分布特征

利用湖北省2007—2013年雷电定位系统(Lightning Location System,LLS)监测的雷电流相关参数资料,采用数理统计方法,对雷电流波头时间的年、季、月、日变化以及累积概率和概率密度分布进行了统计分析。结果表明,正闪电平均波头时间为4.8μs,负闪和总闪电为3.6μs;一年中,正闪电7月波头时间最短,月变化特征大致呈"V"形;负闪和总闪电5—7月波头时间比其他月份短,月变化特征大致呈"U"形。正闪电波头时间季节、日变化明显,负闪和总闪电季节、日变化不明显。波头时间小于等于10μs时,正闪、负闪和总闪电的波头时间累积概率分别为95.5%、99.7%和99.6%,总闪电95%的波头时间大于1.5μs,50%的大于3.1μs,5%的大于6.0μs。波头时间在2~3μs时,正闪、负闪和总闪电的概率密度最大。气温较低月份,波头时间相对较长,反之,波头时间相对较短,其原因可能与雷电流幅值大小有关,具体原因有待进一步研究。