P-III分布参数的概率权重矩法S函数计算

概率权重矩法是一种估计统计分布参数的方法.本文根据不完全Γ函数在无限区间积分,推导了P-Ⅲ分布参数的S函数的计算公式.通过现有计算公式比较,其计算结果具有较高的计算精度,避免了的大量的数值积分计算.文中公式只要借助于计算编程进行求解,给定超几何函数项一定的截断误差,其运算具有较高的运行速度.文中计算公式是一种P-Ⅲ分布参数S函数的计算途径.     

西沙湾工程波浪推算及波浪场数值模拟

本研究根据崇武水文站1976—2007年共31 a的波浪观测资料,使用皮尔逊Ⅲ型频率曲线进行拟合分析,推算出崇武在不同重现期条件下的特征波浪要素,再将其作为外海波浪要素输入,通过基于椭圆型缓坡方程的CGWAVE近岸波浪数值模型,模拟西沙湾的重现期波浪场,得到其设计波浪要素,得到较为合理的计算结果。西沙湾的海底地形强烈地影响近岸波浪,导致了波高和波向的不均匀分布特征,岛屿和礁石都是天然屏障,东侧水域受龟屿及闽台码头的掩护,波浪反射、绕射明显,对避风坞起到了有效的保护作用。此外,对于不同地质的边界,反射系数不同使得近岸波高分布有较大差异。     

宁波市城市化发展对区域生态系统服务价值的影响

采用城市化综合水平测度模型、生态系统服务价值评价模型及Pearson相关分析方法,在GIS技术支持下,以宁波市1991—2014年城市化相关数据和土地利用变更调查成果为基础数据,定量评价和分析区域城市化发展水平、生态系统服务价值以及二者之间的关系。结果表明:(1)宁波市各项城市化指数均呈逐渐递增趋势,城市化发展进程呈阶段化特征。快速城市化水平驱动区域经济高速发展,同时导致建设用地面积大幅度增加。(2)宁波市生态系统服务价值总体变化呈先增后减趋势,各县(市、区)生态系统服务价值空间分布差异显著,区域城市化水平越高其所贡献的生态系统服务价值越低。(3)当前城市化发展水平与生态系统服务价值演变之间呈显著负相关,经济城市化和土地城市化对生态系统服务功能产生的负面影响较为显著。快速城市化引起区域土地利用的剧烈变化,导致生态景观格局转变,城市人口集聚与工业化导致过度消耗资源与废物排放,对生态系统服务功能产生负面影响。建议提高宁波市城市化发展质量,注重与经济和社会的协同发展。     

上海地区不同重现期的风速估算研究

基于上海气象站历史风速观测资料,采用极值I型和皮尔逊III型分布估算了上海市不同重现期最大风速的时间变化以及各区（县）不同重现期最大和极大风速的空间分布。结果表明,1901~2011年,上海市10、30、50和100 a重现期的最大风速分别为21.0、24.9、26.7和29.2 m/s。1974~2011年期间,上海各区（县）10 m高度10、30、50和100 a重现期的最大风速都是以南部沿海地区南汇或金山最大,分别为19.0、21.4、22.6和24.1 m/s;各重现期极大风速也是以南汇或金山最大,分别为32.3、36.4、38.4和41.0 m/s。中心城区各重现期的最大和极大风速都最小。     

Improved estimators of correlation and R2 for skewed hydrologic data

ABSTRACT

The coefficient of determination R² and Pearson correlation coefficient ρ = R are standard metrics in hydrology for the evaluation of the goodness of fit between model simulations and observations, and as measures of the degree of dependence of one variable upon another. We show that the standard product moment estimator of ρ, termed r, while well-behaved for bivariate normal data, is upward biased and highly variable for bivariate non-normal data. We introduce three alternative estimators of ρ which are nearly unbiased and exhibit much less variability than r for non-normal data. We also document remarkable upward bias and tremendous increases in variability associated with r using both synthetic data and daily streamflow simulations from 905 calibrated rainfall–runoff models. We show that estimators of ρ = R accounting for skewness are needed for daily streamflow series because they exhibit high variability and skewness compared to, for example, monthly/annual series, where r should perform well.     

Comparison of ten notable meteorological drought indices on tracking the effect of drought on streamflow

ABSTRACT

Ten notable meteorological drought indices were compared on tracking the effect of drought on streamflow. A 730-month dataset of precipitation, temperature and evapotranspiration for 88 catchments in Oregon, USA, representing pristine conditions, was used to compute the drought indices. These indices were correlated with the monthly streamflow datasets of the minimum, maximum and mean discharge, and the discharge monthly fluctuation; it was revealed that the 3-month Z-score drought index (Z3) has the best association with the four streamflow variables. The Mann-Kendall trend detection test applied to the latter index time series mainly highlighted a downward trend in the autumn and winter drought magnitude (DM) and an upward trend in the spring and summer DM (p = 0.05). Finally, the Pettitt test indicated an abrupt decline in the annual and autumn DM, which began in 1984 and 1986, respectively.     

节理产状分组的k均值聚类分析及其分组结果的费歇尔分布验证法

裂隙岩体内的节理往往是变化的,有时甚至变化很大。测得大量节理产状以后,对其分组是一项基础性的工作,但是如何分组目前还没有很好的理论和方法。采用快速聚类分析的方法,将节理产状的样本数据划分为不同的簇,利用极大似然估计的原理,通过数值方法求解费歇尔概率分布模型的参数,并用皮尔逊检验说明了费歇尔逊概率模型的有效性。通过不同簇的概率模型计算及其簇心的分布特性比较说明了簇数分类的适度性。利用所提出的快速聚类分析方法及其推导的计算公式,可以方便地求解费歇尔分布的参数。结合皮尔逊检验,形成了解决这类问题的系统实用的方法。     

基于SEBS模型和Landsat 8数据的黑河下游蒸散发时空特性分析

对黑河下游地区蒸散发量的估算及其时空特性的研究,有助于进一步了解流域水循环,合理利用水资源,防止生态环境进一步恶化。利用SEBS模型估算了黑河下游额济纳绿洲2014年15天的日蒸散量,将SEBS估算的日蒸散与不同下垫面5个站点的EC实测值进行对比,其均方根误差和确定性系数分别为1.2 mm、0.85（5个站点）,0.5 mm、0.96（2个站点）,表明SEBS模型的结果是合理的,可以适用于黑河下游额济纳绿洲地区的地表蒸散量的估算。同时分析了黑河下游蒸散发的时空变化规律,结果表明,黑河下游额济纳绿洲地区,蒸散发在时间上存在明显的季节变化规律：夏季 > 春季 > 秋季 > 冬季;空间上呈现明显的沿河分布的趋势。不同土地覆被类型蒸散发有相似的季节变化特征,但其季节变化幅度并不相同,规律为：水体 > 耕地 > 灌丛地 > 草地 > 裸土地 > 沙地。     

2011—2020年黄淮海平原冬小麦低温冷害与气象要素变化的时空分析（英文）

黄淮海平原是我国典型的农田生态系统之一,频发的低温冷害对该区域的冬小麦种植业造成了巨大的经济损失。为了有效、大范围地监测冷害的时空变化情况及其气象成因,利用2005–2015年来源于气象站点的逐日最低气温和MODIS的NDVI和FPAR数据,结合逻辑回归模型构建了黄淮海平原冬小麦低温冷害监测模型,并分析了2011–2020年黄淮海平原冬小麦冷害的时空变化。将其与气象要素的时空变化进行相关性分析,了解气象要素对冬小麦低温冷害发生情况的影响。结果表明,2011–2020年冬小麦冷害的危害性逐渐降低,且冷害发生高概率、高频区域由北向南移动。同时,气象要素对冬小麦受害程度的影响从高到低分别为热量、降水和日照时长,但这些要素的影响具有一定的空间异质性。     

Statistical analysis of fracture properties based on particle swarm optimization and Pearson correlation coefficient method

Prediction of reservoir fracture is the key to explore fracture-type reservoir. When a shear-wave propagates in anisotropic media containing fracture,it splits into two polarized shear waves: fast shear wave and slow shear wave. The polarization and time delay of the fast and slow shear wave can be used to predict the azimuth and density of fracture. The current identification method of fracture azimuth and fracture density is cross-correlation method. It is assumed that fast and slow shear waves were symmetrical wavelets after completely separating,and use the most similar characteristics of wavelets to identify fracture azimuth and density,but in the experiment the identification is poor in accuracy. Pearson correlation coefficient method is one of the methods for separating the fast wave and slow wave. This method is faster in calculating speed and better in noise immunity and resolution compared with the traditional cross-correlation method. Pearson correlation coefficient method is a non-linear problem,particle swarm optimization( PSO) is a good nonlinear global optimization method which converges fast and is easy to implement. In this study,PSO is combined with the Pearson correlation coefficient method to achieve identifying fracture property and improve the computational efficiency.