斯堪的纳维亚半岛及周边地区城镇发展适宜性评价

城镇发展适宜性研究有助于了解城镇发展的优势条件,为确定城镇建设规划的扩展方向提供依据。在北极与亚北极开展研究对中国开展在城镇化、重大基础设施、廊道建设方面的国际合作有重大意义。本文使用多源数据,在采样的基础上利用逐步法的思想进行变量筛选,共筛选出5个显著指标,用logistic方法拟合出最终的模型进行城镇发展适宜性评价,最终得到研究区城镇发展适宜性分级图。研究结果表明：筛选后的显著指标对研究区城镇分布的影响作用大小排序为,温度（正向）、交通网密度（正向）、海拔高度（反向）、人口密度（正向）、距港口距离（反向）;温度、交通网密度、海拔高度、人口密度、距最近港口距离增加1个单位,城镇发展的几率分别比原来增加了38.4%、16.7%、9%、0.4%、0.1%;研究区的Ⅰ（不适宜）、Ⅱ（中度适宜）、Ⅲ（高度适宜）的城镇发展适宜性均值分别为0.03、0.16、0.68（分别约占研究区总面积的76.82%、21.82%、1.37%）;城镇发展适宜性总体呈现出随纬度升高而降低、随经度升高而增加的趋势,适宜城镇发展的气候地理条件是温带大陆性湿润气候带和温带海洋性气候带以及平原与低地地区;研究区的城镇发展适宜性俄罗斯西北部为0.08、瑞典为0.07、芬兰为0.06、挪威为0.03。俄罗斯西北部城镇发展适宜性整体上呈现出北低南高,南部呈现两边高中间低的空间布局;瑞典呈现出西北低东南高,沿海大于内陆的空间布局;芬兰呈现出北（高原）低南（沿海）高,中部次高的空间布局;挪威呈现出南部沿海高,西部沿海次高,其他区域低的空间布局。     

基于回归模型的热带气旋条件下的海表降温参数化方案设计

Combining a linear regression and a temperature budget formula, a multivariate regression model is proposed to parameterize and estimate sea surface temperature(SST) cooling induced by tropical cyclones(TCs). Three major dynamic and thermodynamic processes governing the TC-induced SST cooling(SSTC), vertical mixing, upwelling and heat flux, are parameterized empirically using a combination of multiple atmospheric and oceanic variables:sea surface height(SSH), wind speed, wind curl, TC translation speed and surface net heat flux. The regression model fits reasonably well with 10-year statistical observations/reanalysis data obtained from 100 selected TCs in the northwestern Pacific during 2001–2010, with an averaged fitting error of 0.07 and a mean absolute error of 0.72°C between diagnostic and observed SST cooling. The results reveal that the vertical mixing is overall the pre dominant process producing ocean SST cooling, accounting for 55% of the total cooling. The upwelling accounts for 18% of the total cooling and its maximum occurs near the TC center, associated with TC-induced Ekman pumping. The surface heat flux accounts for 26% of the total cooling, and its contribution increases towards the tropics and the continental shelf. The ocean thermal structures, represented by the SSH in the regression model,plays an important role in modulating the SST cooling pattern. The concept of the regression model can be applicable in TC weather prediction models to improve SST parameterization schemes.     

近20年京津唐地区不透水面变化的遥感监测

不透水面是衡量城市化程度的重要指标之一,对京津唐城市群的不透水面进行深入研究,可以量化城市群扩张过程及其影响,对该区域多城市协调发展及规划布局具有重要意义。本文结合高分辨遥感影像、生长季及落叶季的Landsat TM遥感影像和夜间灯光数据等,采用分类和回归树（Classification and rRegression Tree, CART）算法,构建了适于京津唐地区不透水面盖度提取的技术方案,获取了京津唐地区1995-2016年共5期地表不透水面盖度专题信息,并分析了地表不透水面的时空演变规律,结论为：① 适于京津唐地区不透水面盖度提取的CART算法的最佳输入变量组合为：生长季和落叶季的Landsat TM图像以及对应的夜间灯光数据;其次为生长季Landsat TM遥感图像和夜间灯光数据组合方案。利用该组合方案,ISP估算输出结果的交叉验证精度R值可以达到约0.85,可以满足地表不透水面纵向对比分析的需要。② 从地表不透水面总面积数量值来看,1995-2016年京津唐主体城市区域整体上呈增长趋势,其中2011-2016年地表不透水面积增加愈加明显;③ 从地表不透水面盖度值的高低来看,1995-2016年京津唐中、高盖度不透水面的占比都是在不断增长的,低盖度不透水面占比存在少量下降现象,且京、津、唐3城市的主体城区各阶段变化差异较大,反映出了各城市扩张具有各自不同的时空演变特征。     

基于小波与包络线的土壤有机质高光谱估测

以陕西省横山县为研究区,对小波分析法与包络线去除法融合应用于土壤有机质高光谱估测的有效性进行了探究。利用陕西省横山县84个土壤样本的光谱反射率和有机质含量数据,采用小波分析法去除了部分噪声,通过光谱一阶微分变换,提高光谱反射率与有机质的相关性,采用包络线去除法提取建模因子,减少数据冗余后最终采用回归分析法建立土壤有机质的估测模型。结果表明,与未采用小波分析法建立的模型比较,建模因子的相关性提高了0.1~0.25,模型的判定系数可达0.932,提高了0.207,检验样本的均方根误差RMSE为0.107,减小了0.116。总体而言,小波分析与包络线去除法联合应用于土壤有机质高光谱估测是有效的且所建模型精度较高,但数据质量对模型精度有重要影响。     

基于EEMD-SARIMA的对流层延迟预测模型研究

在无气象数据的条件下,提出一种基于集合经验模态分解（EEMD）和季节性自回归移动平均模型（SARIMA）的对流层延迟（ZTD）预报新方法,并分别选取长春、上海、乌鲁木齐3个地区4个季节的ZTD数据进行预测分析。结果表明,基于EEMD-SARIMA的ZTD改正预报模型能够满足不同地区、不同季节下的ZTD估计需求,是一种高精度的ZTD预报方法。     

气压对巴伦台钻孔倾斜的影响特征及机制研究

以巴伦台钻孔倾斜及分量应变辅助观测气压数据为研究对象,运用相关及小波分析研究气压对巴伦台钻孔倾斜的影响特征。结果表明,气压对巴伦台钻孔倾斜影响表现为准线性关系,对NS向的影响大于EW向。气压对NS向影响的显著频段有2 048～8 192、32 768～65 536 min,对EW向影响的显著频段为2 048～8 192 min。探讨了气压对巴伦台钻孔倾斜的影响机制。     

精细积分在冰荷载识别中应用

冰激振动中引起的动冰力一直是很受关注的问题。根据精细积分法的基本原理,假定外荷载在离散时间步长内按线性变化,给出了一种冰载荷时域识别方法。经数值算例仿真以及在室内开展的冰激桥墩振动模型试验冰荷载反演的结果表明,该方法形式简洁明了,计算量小,应用方便,特别适宜于计算机求解,具有一定的理论意义和实用价值。     

粒子群优化广义回归神经网络与HHT样本熵结合的地震辨识研究

天然地震与人工爆破信号具有许多相似的特性,为实现地震类型的准确辨识,提出一种基于粒子群优化广义回归神经网络和HHT样本熵的地震类型辨识新方法．该方法先通过经验模态分解（EMD）将初始信号分解成6个本征模态函数（IMF）及1个残余向量,对前三个IMF进行Hilbert变换得到瞬时频率和瞬时能量,进而提取出样本熵并构造神经网络训练集与测试集;利用粒子群算法和训练集优化广义回归神经网络的光滑因子参数值,建立PSO-GRNN分类模型．将该模型结果与BPNN模型、GRNN模型、PNN模型及RBFNN模型等神经网络模型进行性能对照,得到该模型单次识别的准确率、MAE、MAPE、RMSE R2及MSE分别为95%、0.1604、0.1204、0.2381、0.7123、0.0567,绝大多数性能评价指标优于其他4种神经网络模型．该研究建立的PSO-GRNN模型性能较稳健,在100次循环随机试验中辨识效果仍然较突出,计算得到的上述评价指标均值为97.42、0.04、0.04、0.12、0.89、0.02,其对应的标准差为3.53、0.05、0.04、0.08、0.11、0.02,将PSO-GRNN模型...     

冬小麦农田不同高度极端气温预测[ ]

利用2019年1月—2022年6月冬小麦农田小气候自动观测站观测的数据和齐河县国家基本气象观测站同期观测资料,采用多元线性回归和BP神经网络方法,建立冬小麦农田30 cm、60 cm、150 cm日最高和日最低气温预测模型。结果表明:两种模型对农田气温的预测效果均较好,阴天条件下150 cm最高气温预测效果最好;晴天条件下30 cm最高气温预测效果最差。两模型模拟结果分层次看,农田气温的模拟精度150 cm>60 cm>30 cm;分天气类型看,多元回归模型农田各层气温的模拟精度阴天>多云>晴天,BP神经网络模型农田30 cm、60 cm最高气温的模拟精度多云>阴天>晴天,农田30 cm最低气温的模拟精度多云与阴天相同,均大于晴天,农田60 cm最低气温的模拟精度晴天>多云>阴天,农田150 cm最高及最低气温的模拟精度晴天与多云相同,均大于阴天;分要素看,30 cm最低气温的模拟精度高于最高气温、60 cm和150 cm最高气温的模拟精度高于最低气温。通过比较,BP神经网络模型的预测精度比多元线性回归模型的预测精度高。两种模型均能满足冬小麦农田气温的预测需求。     

考虑有雨无雨辨识的多源降水融合方法

多源降水融合是精准估计降水时空分布的重要途径,多聚焦降水量或降水强度的误差订正,对短历时降水雨区辨识的重视不足。提出考虑有雨无雨辨识的多源降水融合框架,耦合地理加权逻辑回归与地理加权回归模型,构建兼顾雨区辨识及雨量估计的降水融合方法,并应用于汉江流域MSWEP V2.1与地面站网观测日降水融合。结果表明：所提方法成功再现有雨无雨空间格局并刻画了降水中心,整体强化了MSWEP V2.1对地面降水的表征能力,降低误报率和误报降水量的幅度超过了60%,提高临界成功指数和Kling-Gupta效率系数达40%以上;较降水空间插值数据,削减误报降水量并提升Kling-Gupta效率系数高于10%;另外,较参考数据,降水融合改善强降水事件(雨强≥50 mm/d)分辨精度的增益不低于60%。所提方法有效改善了降水估计效果,为多源降水融合提供了新思路。