HJ-1A/B卫星CCD影像的武汉市东湖水色三要素遥感研究

以武汉市东湖为研究区域,利用同步的MODIS-Terra气溶胶光学厚度数据为输入参数,采用FLAASH模型对2010年3月11日HJ-1A/B卫星CCD影像进行大气校正处理,并利用多年实测数据建立叶绿素a浓度、悬浮泥沙浓度、黄色物质吸收系数三要素神经网络反演模型,对水色三要素进行反演。通过对反演结果与实测数据的对比分析可知,悬浮泥沙浓度、黄色物质吸收系数和叶绿素a浓度的平均相对误差分别为28.052%、17.628%和35.621%,表明HJ-1A/B卫星CCD传感器基本能满足II类水体水色要素的遥感监测需求。     

CCD单晶衍射仪进行单晶德拜衍射

利用CCD单晶衍射仪的旋转图功能,并进行了支持软件的开发,实现了单晶体拍摄德拜衍射图,提出了利用单晶体获取粉晶衍射图谱的一种新方法。对比实验表明,该方法相当实用而有效,对稀有贵重样品的衍射分析具有十分重要的意义。     

我国无地面控制点卫星摄影测量综述

简要论述我国以无地面控制点为条件的卫星摄影测量的研究历程,包括第一代、第二代返回式摄影测量卫星,传输型摄影测量演示验证工程和理论研究,同时介绍了在我国月球探测工程所做的工作,并进行带有月球曲率影像的处理研究。     

基于卷积神经网络的逐时降水预报订正方法研究

应用2017—2018年5—9月福建省观测资料对华南区域中尺度模式(GTRAMS-3 km-RUC)预报进行站点检验,建立和训练基于卷积神经网络的逐时降水分级订正模型,并与频率匹配法进行2017—2018年测试集的对比试验和2019年数据集的模拟业务检验,探讨了试验过程中遇到的样本不均衡、特征变量选取以及模型过拟合问题。结果表明:模式对于15 mm·h^-1以上降水的预报能力弱,各订正方法对原始预报均有不同程度的改进作用。从评估指标来看,基于卷积神经网络的订正方法比频率匹配法表现出优势,其中相关系数判别方案下的网络模型对强降水预报的订正效果显著优于其他方法;在输入特征变量选取方面,应用主成分分析方案的模型训练收敛速度比相关系数判别方案更快,最佳训练期有所提前,但也更早进入严重的过拟合状态,而相关系数判别方案能够使网络模型的训练拥有更长的提升期以达到更具"潜力"的状态;基于卷积神经网络的订正方法对减少分类降水预报的漏报率、晴雨和弱降水预报的空报率具有显著作用,其优化程度明显超过频率匹配法。