中国极端天气气候研究——“地球系统与全球变化”重点专项项目简介及最新进展

全球变暖背景下,极端天气气候事件频发,并表现出群发性、持续性、复合性等特点,不可预测性增加;持续性强降水、极端低温、复合型极端高温干旱、群发性热浪和台风等极端天气气候事件对我国经济社会和可持续发展影响巨大。然而,上述极端天气气候事件的新特征、关键过程和机理尚不完全清楚,重大极端事件的预报预测水平亟待提升。文章首先简要介绍“地球系统与全球变化”重点专项项目“中国极端天气气候事件的形成机理及其预测和归因”的基本情况。项目拟在分析全球变化背景下对我国造成重大影响的极端天气气候事件新特征的基础上,深入研究多尺度海-陆-气耦合过程影响极端天气气候事件的机理,挖掘极端天气气候事件次季节-季节预测的前兆信号;发展动力与物理统计相结合的极端事件预测新方法,研制针对中国极端事件的新一代高分辨率数值预报与检测归因系统。文章重点总结了自2022年12月项目立项至今取得的最新研究成果和进展。     

采用HCMonitor软件对滑坡实时变形监测与分析

本文利用HCMonitor实时差分变形监测软件对内业数据进行处理,通过监测数据的对比分析和断面曲线分析,能够获得滑坡体随时间的变化量及其趋势,从而验证了该数据处理分析系统对滑坡监测的可行性。     

资源三号02星激光测高误差分析与指向角粗标定

2016年5月30日,中国成功发射了民用三线阵立体测图卫星资源三号02星,该卫星搭载了中国第一个用于对地观测的激光测高试验性载荷。资源三号02星在轨运行以来获取了多轨测高数据,为保证其测高数据的有效应用,需分析影响测高精度的各项误差来源,并通过一定的方法予以消除或减弱。首先根据卫星激光测高严密几何模型分析资源三号02星激光测高的各项误差来源,分析表明激光指向角对激光测高精度的影响相对较大;构建通过已有大范围地形数据进行激光指向角粗标定的数学模型,并利用已有公开地形数据（AW3D30 DSM）对激光指向角进行粗标定,从而提高激光足印定位精度。实验结果表明,利用已有地形数据对指向角进行粗标定后,能将激光测高精度从几十米提高到3 m以内,验证了卫星激光测高误差分析的合理性和利用已有地形数据修正激光指向角的数学模型的有效性,为消除卫星激光测高粗差提供了参考,能为星载激光测高外场在轨检校工作提供支撑。     

GF-3与Sentinel-1洪灾淹没信息提取

以斯里兰卡2017-05-25开始的洪灾为研究对象,利用灾中和灾后GF-3和Sentinel-1获取的多期数据,采用符合研究区域特征的最优提取方法,提取了多期洪水淹没范围。并利用同时期的光学卫星哨兵2号(Sentinel-2)观测数据、研究区高程数据以及当地官方公布的受灾面积进行了结果验证分析。结果显示Sentinel-1比GF-3噪点更多且误提取了更多山区阴影,因而导致Sentinel提取洪水面积偏大,GF-3提取的洪水面积更接近于官方公布的受淹面积。本研究通过斯里兰卡的GF-3和Sentinel-1应用对比,显示了GF-3在洪涝灾害信息提取中具有较为准确的精度,对GF-3在洪水灾害动态监测的应用精度提供了应用实例。另外一方面,通过GF-3与Sentinel-1协同校正应用,可以得到更多的洪水过程信息,为防灾减灾领域提供可靠的数据支持。     

矿区地表沉降监测的一种组合模型预测方法

基于诱导有序加权平均(IOWA)算子,将差分整合移动平均自回归(ARIMA)模型和Holt-Winters指数平滑模型进行组合,采用SBAS-InSAR监测值进行矿区地表沉降预测,并与各单一模型的预测结果进行对比分析.结果表明,基于IOWA算子的组合模型的预测精度较单一模型有明显提升,其中各点均方误差(MSE)平均值为...     

3D GIS中虚拟现实地图的构建

对3维地理信息系统（3D GIS）中的虚拟现实地图构造技术作了探讨，提出在各相关开发环境下的数据转换方式，完成虚拟现实地图实例的开发。     

多媒体GIS查询系统的建立

介绍多媒体GIS的组成，阐述了何在Windows平台下，利用多媒体的相关技术－超图，超文本，超媒体等，建立基于GIS功能的信息查询系统的方法和实现过程。     

东亚冬季风指数的对比分析及其与中国冬季气候的关系

利用1951—2022年ERA5再分析大气环流资料和国家气候中心全国站点气温和降水资料,将33个常用的东亚冬季风（EAWM）指数划分为海陆差异类、高压特征类、大槽特征类、低层风场类、中高层风场类和综合类6类,按类别对比分析了它们的线性变化趋势和年际、年代际变化特征,并就各指数对中国冬季气温、降水时空变化的表征能力以及与厄尔尼诺-南方涛动（ENSO）、北极涛动（AO）等气候系统主要内部变率的关系进行了评估分析。结果显示：（1）在趋势变化方面,中国冬季气候暖湿化特征明显,但仅大槽特征类和综合类指数反映出季风的减弱趋势,其余类型指数则多呈现微弱的增强趋势,表明EAWM各子成员对当前全球变暖的响应存在差异;（2）在年际、年代际变化方面,EAWM指数主要表现为准4 a、准8 a和准16 a的周期振荡,基本都能刻画出20世纪80年代中后期EAWM的年代际减弱,对于21世纪第1个10年中期EAWM的年代际增强,考虑了南北气压差的海陆差异类指数以及高压特征类、大槽特征类和中高层风场类指数能较好表征;（3）在反映中国冬季气温变率的能力方面,除低层风场类指数外,各类指数表现良好,尤其是高压特征类指数的表征能力最佳,而在降水变率方面,高压特征类指数的代表性较差,低层风场类指数的指示意义最好;（4）在与气候系统主要内部变率的关系方面,大多数指数能较好反映ENSO与EAWM之间的关系,其中低层风场类指数的表征能力最好。而在反映AO与EAWM的关系上,则是高压特征类和大槽特征类指数的表现更佳。总体而言,除趋势变化存在较大差异外,各类EAWM指数能够一致地反映中国冬季气候变化的主要特征,但不同类别指数所表征的侧重点存在差异。因此,在分析EAWM相关科学问题时应根据研究的目的选择合适的指数。

     

基于深度学习的医用锥形束CT图像散射伪影校正的研究进展

医用计算机断层扫描成像系统中,X射线与物体相互作用产生的康普顿散射光子严重影响了图像质量,尤其在锥形束计算机断层扫描和多层探测器系统中。目前已有许多散射伪影校正方法,归纳为3类:硬件校正、软件校正、软硬件混合校正方法,但近年随着计算机计算能力的提高以及深度学习在医学图像处理领域的发展,出现了一些新的散射校正方法。本文首先介绍传统校正方法;然后详细介绍基于深度学习方法进行散射伪影校正,并将其分为基于图像域和基于投影域的深度学习方法,以及对不同的深度学习网络在散射伪影校正中的应用进行讨论;最后展望深度学习在多源计算机断层扫描技术中的应用前景。      

�����������ŷָ�߶ȼ���ģ��

???????????????????????????????????????????????????????????????????????????????????????????????????ж????????????????????????????????????顣????????????????????????????????????