2002年6月21～24日梅雨锋暴雨过程中的水汽羽特征

利用GMS 5水汽图像和NCAR/NCEP再分析资料 ,分析了 2 0 0 2年 6月 2 1～ 2 4日长江中下游梅雨锋暴雨过程中水汽图像上水汽羽的特征。结果表明 :日平均水汽图像上显示了这次暴雨过程中对流层中上部的主要水汽型 ,是一条热带水汽羽从孟加拉湾经过青藏高原东部向偏东方向伸展至江淮地区 ,并与中纬度水汽羽相互作用 ,暴雨云团在热带水汽羽中连续生成。这条热带水汽羽是一条深厚暖湿输送带 ,反映了中高层水汽从孟加拉湾向长江下游的输送 ,以及通过大尺度上升运动造成的水汽自下而上的垂直输送 ,并且水汽羽与对流层上层的负涡度和正散度区域有很好的对应关系。水汽羽的北部边界附近的暗带与一条强涡度梯度和高空急流轴相关 ,具有明显的斜压性     

呼市中部一次暴雨天气分析

对2002年6月21日呼市中部地区暴雨一大暴雨的环流形势、天气尺度系统、水汽条件、热力和动力条件进行了细致分析．得出：当500hPa处于脊后槽前(东高西低)的有利形势下，700hPa河套低涡暖湿切变线是造成这次暴雨一大暴雨的主要天气尺度系统；中低层由西南伸向内蒙古深厚的暖湿气层为暴雨储存了大量的不稳定能量；低层及地面动力强迫对垂直运动和水汽的垂直输送起着重要作用。     

全极化SAR数据在地表覆盖/利用监测中的应用

SIR-C/X-SAR是运行在地球轨道上的第一个多波段(L、C、X)全极化(HH、VV、VH和HV)成像雷达系统,该系统具有极化测量和干涉测量功能。全极化雷达测量每一个像元的全散射矩阵,所获取的信息非常丰富。但是,由于这些极化合成图像具有较高的相关性,导致了图像信息提取精度的降低。本文基于新疆和田地区的SIR-CL波段全极化雷达数据,利用全散射矩阵的特点合成了HH-VV极化相关图像、极化度图像、目标增强图像和相位差图像。这些图像相关性小,地表覆盖信息丰富,提高了全极化SAR数据在实验区信息提取的准确度。     

IMD法在多光谱图像分类中的应用

数学形态学着重于分析和处理图像的几何结构信息。根据这一原理，在图像分类预处理过程中，对各种地物区域的几何结构特点进行分析，构造相应的结构元素，然后对图像进行形态迭代分解法(IMD，Iterative Morphological Decompostion)变换。在变换结果中，地物区域的灰度信息进行了归一化处理，同时区域的几何结构特点和独立地物得到了有效保留。将多光谱图像的IMD变换结果进行分类实验的结果表明，该方法可以有效提高多光谱图像分类的精度和效率，具有较强的适用性。     

2003年10月11-12日山东暴雨及风暴潮分析

文分析了2003年10月11-12日山东一次秋季暴雨的水汽条件及物理量场特征，并简要分析了这次天气过程引起的莱州湾沿岸风暴潮的形成机制，提出了此类天气形势下风暴潮的预报思路。     

黄河三门峡水库—小浪底水库间夏季降水量年际变化及水汽形势分析

利用1960~1999年全国600个站月平均降水资料,对黄河三门峡水库—小浪底水库间的夏季降水总量年际变化进行了统计分析,并应用功率谱诊断方法提取了夏季各月降水的振荡周期。在此基础上,选取了黄河三门峡水库—小浪底水库间降水量多与少的年份,利用NCEP再分析资料研究了其上空的水汽变化以及水汽输送量变化。结果表明,黄河三门峡水库—小浪底水库间降水量多的年份,其上空为较为明显的水汽辐合;降水量比较少的年份,其上空为明显的水汽辐散。选取多雨年(1982年)及少雨年(1997年),结合NCEP再分析资料以及TBB资料,进一步验证了上述结论。     

地震后水汽异常变化初探

研究东日本地震、汶川地震和玉树地震震中及其附近区域在地震前后的水汽时间序列变化。首先分析震中MODIS水汽序列和震中附近探空站点水汽序列在地震前后的变化；然后基于GNSS ZTD与水汽之间的高相关性，以GNSS ZTD代替GNSS水汽，讨论震源区周围IGS站点的ZTD序列变化。研究发现，震后震中及其附近区域水汽值变化出现异常，且距离越近所受影响越大；水汽不断聚积，达到峰值后发生降水。     

时间尺度重构EEMD-GRNN改进模型预测PM2.5的研究

合理构建PM_2.5浓度预测模型是科学、准确地预测PM_2.5浓度变化的关键。传统PM_2.5预测EEMD-GRNN模型具有较好的预测精度,但是存在过于关注研究数据本身而忽略其物理意义的不足。本研究基于南京市2014-2017年PM_2.5浓度时间序列数据,分析PM_2.5浓度多尺度变化特征及其对气象因子和大气污染因子的尺度响应,基于时间尺度重构进行EEMD-GRNN模型的改进与实证研究。南京市样本数据PM_2.5浓度变化表现为明显的天际尺度和月际尺度,从重构尺度（天际、月际）构建GRNN模型更具有现实意义;同时,PM_2.5对PM₁₀、NO₂、O₃、RH、MinT等因子存在多尺度响应效应,以其作为GRNN模型中的输入变量更具有时间序列上的解释意义。改进后的EEMD-GRNN模型具有更高的PM_2.5浓度预测精度,MAE、MAPE、RMSE和R²分别为6.17、18.41%、8.32和0.95,而传统EEMD-GRNN模型的模型有效性检验结果分别为8.37、27.56%、11.56、0.91。对于高浓度天（PM_2.5浓度大于100 μg/m³）的预测,改进模型更是全面优于传统EEMD-GRNN模型,MAPE为12.02%,相较于传统模型提高了9.03%。     

基于EEMD和ARIMA的海温预测模型研究

类型丰富、时空分辨率高的海洋探测数据,为信号分解和机器学习算法的应用提供了可能。本文针对如何建立有效的海温预测模型这一问题,使用高时空分辨率的海表温度(SST)融合产品,引入信号处理领域的集合经验模态分解(EEMD)和机器学习领域的自回归积分滑动平均模型(ARIMA)。首先利用最适于分解自然信号的EEMD方法,将海温数据分解成多个确定频率的序列;再利用ARIMA分别对各个频率的序列进行预测,最后将各个序列的预测结果进行组合。该方法在丰富数据的支撑下,比以往直接使用海温数据所建立的预测模型精度更高,为更好地进行海温预测提供了新方法。     

基于经验模态分解和小波分解估算海气通量涡相关计算中的截断时间尺度

基于时长38天的海表风场实测数据,应用经验模态分解(EmpiricalModeDecomposition,EMD)和小波分解(Wavelet Decomposition, WD)这两种数据处理方法首先对涡相关法中的截断时间尺度(CutoffTimescale,CTS)进行估算,结果显示:基于EMD与WD方法估算出的CTS一般都在40秒左右(EMD的结果略小),远远小于传统涡相关法中CTS的取值(固定为10分钟),且EMD和WD的使用使得每一段数据都能够根据自身的湍流特点而获得合适的CTS; EMD方法和WD方法有效的去除了计算结果中的非湍部分,且对通量传输方向的刻画也更加合理,极大提高了通量的计算精度,所得通量与传统方法计算的通量偏差平均值高达45%;研究还对EMD和WD的优缺点进行了对比分析,结果表明EMD相比于WD有更高的自主性,而WD对信号的分离程度则更高。