西太平洋暖池区热带波动的天气效应

为了探讨西太平洋暧地区热带波动的天气效应，利用1980年2－9月140°E日本静止卫星纬度时间剖面卫星云图，分析了5d和14d左右周期热带波动云的演变特征，井综合分析了14d周期的云系演变型式与流场的关系，为预报热带中期天气变化规律提供了依据；热带波动中30－60d大气低频振荡的云量变化最显著，北半球夏半年热带波动的天气压主要在10°N－0°，各半年在10°N－10°S，超过这个区域热带云量的港分布型式就有明显的变化。     

基于坐标归一化和奇异值分解的直接线性变换解法

直接线性变换方法是数字摄影测量和计算机视觉领域最常用的解析处理方法之一,特别适用于未检校数码相机的三维测量,但直接线性参数间的相关性、物方控制的约束和设计矩阵元素数量级的较大差异,均可导致法矩阵严重病态,从而影响解的稳定性。本文借鉴改进的八点基本矩阵估计算法,采用基于坐标归一化和奇异值分解的解法,即首先将像点和物点坐标进行相似变换得到归一化坐标后组成法矩阵,其次利用矩阵奇异值分解方法代替常规的最小二乘方法,模拟和真实数据表明,此方法可以有效提高解算精度和稳定性。     

南海东北部450 m以浅水层与深层海流观测结果及其谱分析

基于在南海东北部锚定测流站在450 m以浅Long Ranger ADCP测流长达77 d的资料, 以及在2000与2300 m处深层流长达7个月左右的测流资料, 进行了谱分析与计算. 得到以下几个主要结论: (1) 比较50～400 m处海流的月与季节变化, 它们的变化趋势是较为一致的. 从日平均流速前进矢量图, 其流速在大部分时间是按逆时针方向旋转而变化. 这与从对海表面高度作定性分析的结果大致符合, 海表面高度来自CCAR对TOPEX/ERS-2卫星高度计资料分析. 日与月平均流速都在11月份最大, 10月其次, 8月最小. (2) 在2000与2300 m处日与月平均流速平均地1月最强, 9月次强, 8月最弱. 从季节变化来看, 冬季(1～3月)流速最强, 秋季其次, 夏季最弱. (3) 潮流随深度变深有所变化, 在上层全日潮峰值要高于半日潮峰值, 但在200～400 m处半日潮峰要高于全日潮峰值. 在450 m以浅它们的振动皆以顺时针方向为主. 在1500 m以深全日潮峰值又高于半日潮峰值. (4) 发现自50～2300 m都存在2个多月周期振动, 其中在450 m以浅水层振动周期皆为75 d, 其振动方向为逆时针方向. 在2000与2300 m处振动周期分别为68与69 d, 其振动方向也是以逆时针方向为主. (5) 揭示在450 m以浅水层随深度变深, 振动周期有变化, 例如f >0时在50与100 m处存在22与15 d左右的显著振动. 但随深度增加, 在200～400 m处这些周期振动都不存在, 只存在较小周期13 d左右的振动, 这与深层流振动的规律有差异. (6) 在2000及2300 m处存在1个多月, 23 d, 半个月左右周期的振动. (7) 在50～2300 m皆存在4～8 d左右周期的天气过程的振动, 还存在惯性周期振动, 其振动方向为顺时针方向, 也存在8 h与6 h的短周期振动. (8) 通过交叉谱的计算, 揭示: (ⅰ) 2000与2300 m两组流速时间序列对于2个多月的周期振动(T = 68.3 d)和1个多月的周期振动都有很好的相关性; (ⅱ) 100与2300 m两组流速时间序列对于半个月周期振动(15.5 d)和2 d等都有很好的相关性.     

基于奇异谱分析的南方涛动指数短期气候预测试验

The Southern Oscillation Index (SOI) time series is analyzed by means of the singular spectrum analysis (SSA) method with 60-month window length. Two major oscillatory pairs are found in the series whose pe riods are quasi-four and quasi-two years respectively. The auto-regressive model, which is developed on the basis of the Maximum Entropy Spectrum Analy sis, is fitted to each of the 9 leading components including the oscillatory pairs. The prediction of SOI with the 36-month lead is obtained from the reconstruction of these extrapolated series. Correlation coefficient between predicted series and 5 months running mean of observed series is up to 0.8. The model can successfully predict the peak and duration of the strong ENSO event from 1997 to 1998. It＇s also shown that the proper choice of reconstructed components is the key to improve the model prediction.     

水阳江洪峰与强降水

用1964－1999年水阳江水位和雨量资料，分析水阳江水位、面雨量变化规律和洪峰出现特征。结果表明，6月平均面雨量为241.5mm，7、8月平均面雨量分别为186.5mm、155.7mm。宣城出现13次超警戒水位过程；新河庄出现25次超警戒水位过程，且连续超警戒水位日数长。洪峰出现前一周为连阴雨天气，一周平均面雨量为164.5mm。季内日面雨量存在60天周期变化现象，新河庄日平均水位存在60－120天周期变化；1999年宣城日平均水位的小波分析结果为60天周期变化，与新河庄日平均水位功率谱分析结果一致。     

青藏高原前期冬春季地面热源与我国夏季降水关系的初步分析

首先对青藏高原地表热通量再分析资料与自动气象站(AWS)实测资料进行对比, 结果表明: 相对于美国国家环境预报中心和国家大气中心20世纪90年代研制的NCEP/NCAR(Kalnay 等1996)和NCEP/DOE (Kanamitsu 等2002) 再分析资料, ECMWF(Uppala 等2004)资料在高原地区的地表热通量具有较好的代表性。进一步利用奇异值分解(SVD)方法分析了ECMWF资料反映的高原地面热源与我国夏季降水的关系, 发现前期青藏高原主体的冬季地面热源与长江中下游地区夏季降水量呈负相关, 与华北和东南沿海地区的夏季降水量呈正相关。而长江中下游地区夏季降水量还与春季高原南部的地面热源存在负相关、与高原北部的地面热源存在正相关。高原冬、春季地面热源场的变化是影响我国夏季降水的重要因子。     

气溶胶对我国中东部地区秋季降水的影响

通过分析近50年来中国中东部地区降水资料发现,秋季降水与其他季节相比有明显减少趋势(每10年下降约54.3 mm),尤其自1980年代以来呈直线下降趋势(每10年降水减少5.6%)。从降水形成三个基本条件(水汽输送条件、稳定度条件、云微物理条件)出发,探究秋季降水减小的原因。结果表明,大气稳定度(对流抑制能(convective inhibition,CIN)以28.67(J/kg)/(10年)的速率增加,对流有效位能(convective available potential energy,CAPE)以12.81(J/kg)/(10年)的速率减小以及云微物理性质的变化(云滴有效粒子尺度减小)是导致秋季降水减少的直接原因,而这两个因素的变化与近20多年来气溶胶的大量增多有着非常密切的关系。因此,由空气污染造成的气溶胶浓度的增加可以作为导致中国中东部地区秋季降水减少的其中一个重要原因。由于秋季天气系统较稳定,主要受到大尺度系统影响,动力作用影响大于热力作用,所以减少了复杂中小天气系统和热力作用对降水的影响,故而更加突显出气溶胶对秋季降水的影响。     

SVD方法在气象场诊断分析中的普适性

本文首次从理论上推导证明两个气象场的奇异值分解（ＳＶＤ）在气象场时空分布耦合信号的诊断分析中具有普适性。结果表明，两个场的ＳＶＤ求解准则不同于典型相关分析（ＣＣＡ），且ＣＣＡ模型可视为ＳＶＤ之特例，尤其当各个场经ＰＣＡ滤波后，其ＣＣＡ完全与ＳＶＤ等价。ＳＶＤ分析的结果不但可完全代替ＣＣＡ，且计算更简便，所得耦合信号的物理解释更清晰，特别适合于大尺度气象场的遥相关型研究。     

利用垂线偏差计算大地水准面中央区效应的改进方法

为提高利用Molodensky公式反演测高大地水准面中央区效应的精度,视中央区为矩形域,将垂线偏差分量表示成双二次多项式插值形式,引入非奇异变换,推导出了大地水准面的计算公式。垂线偏差理论模型下的分析表明本文导出公式误差为零,而传统公式的误差与纬度以及垂线偏差子午分量与卯酉分量之间的比值有关;以中纬度区域分辨率为2'*2'的垂线偏差数据为背景场进行了实际计算,结果表明在反演计算点本身所在的1个网格对大地水准面的贡献时,传统公式与本文导出公式计算结果差值的最大值达数厘米。本文导出公式可为测高大地水准面的高精度反演提供理论依据。     

基于自适应多分辨率奇异值分解的大地电磁数据处理

针对强电磁干扰极易掩盖微弱的大地电磁有用信号,本文结合奇异值分解在去噪方面的优越性,提出基于自适应多分辨率奇异值分解（Adaptive Multi-Resolution Singular Value Decomposition,AMRSVD）的大地电磁数据处理方法.首先对大地电磁数据构建Hankel矩阵,利用MRSVD得到不同分辨率的近似信号和细节信号;然后选用近似信号和细节信号的标准差差值,对大地电磁数据进行信噪辨识;接着结合MRSVD和相邻细节信号的标准差差值,提出先验信息未知情况下的AMRSVD法;最后对辨识出的强干扰运用AMRSVD去除噪声,重构有用信号.实验结果表明,该方法的处理效率高,能有效分离出相关性较强的噪声,时间序列和视电阻率-相位曲线均得到有效改善.