甚宽频带数字地震仪震级偏差的初步研究

仅对高台地震台数字地震仪记录的震级与标准震级的偏差问题进行了分析。     

垂线测量数据管理软件的研制及应用

介绍了基于局域网络开发的垂线测量数据管理软件的组成、原理、功能、操作及应用，该软件操作简单、使用方便、极易掌握，并能通过多方位、直观的图形表示来反映监测对象的挠度、倾斜、水平位移状态。     

对几种1980系简捷坐标换带程序计算结果的分析

对几种计算简捷而精度又较高的1980系坐标换带计算程序分别进行一定数量的试算，现将试算、分析、比较情况介绍给同行们，供工作中参考。     

利用现有重力场模型求定CHAMP卫星加速度计修正参数

CHAMP卫星加速度计数据的标定是通过确定其尺度因子和偏差参数来完成的.本文基于能量守恒方程,给出利用现有重力场模型标定CHAMP卫星加速度数据的基本原理和数学模型;提出相邻历元间差分算法,大大简化了观测方程,同时避免积分常量的计算.该算法既能同时解算尺度因子和偏差参数,也可任意求解其中之一.基于实测的CHAMP卫星加速度数据,利用EGM96模型和最新公布的EIGEN-2模型进行计算与比较,验证该方法的有效性.     

GRAPES千米尺度模式在西南复杂地形区降水预报偏差与成因初探

利用2019年夏季（6—8月）西南复杂地形区地面观测站逐时和逐日降水量观测数据,从降水量和降水频率入手,对同期GRAPES-Meso 3 km业务模式短期（36 h以内）降水预报性能,特别是在不同典型地貌区—四川盆地子区、云贵高原北部子区和南部子区、青藏高原东缘山地子区的预报偏差进行细致评估与分析。结果表明:（1）GRAPES-Meso 3 km模式能合理地刻画出西南复杂地形区夏季日降水和日内尺度降水的主要特征,以及小时降水频次-强度的基本关系。（2）在各子区,模式日降水量（频率）预报表现为清晰的正偏差,正偏差在盆地子区最显著,为观测值的1.1倍（0.3倍）;日降水量正偏差主要由强降水日降水量预报偏大引起,但频率正偏差在云贵高原南、北子区与其他两个子区不同,主要是中小雨日数预报偏多的贡献;强降水（中小雨）落区预报存在明显（轻微）偏大倾向,强降水预报落区偏大频率在青藏高原东缘山地子区最高,达82.8%,在云贵高原南部子区最低,为53.6%。（3）日循环上,各时次小时降水量（频率）预报整体偏大,且主要正偏差出现在观测的夜雨峰值时段,其中海拔1200 m以下区域的降水频率正偏差从夜间峰值区延续到中午,模式偏强的日降水量预报往往表现为日内偏长的降水时长或小时降水空报。（4）诊断分析显示,模式在四川盆地区突出的夏季日降水预报正偏差是模式对流层低层在云贵高原南-东南侧偏强的西南风预报与西南地区特殊地形结合的产物。      

CMIP5模式对东太平洋ITCZ偶极子模态模拟能力的评估

本研究利用第五次国际间耦合模式比较计划(Coupled Model Intercomparison Project phase 5, CMIP5)中的24个模式的工业革命前控制试验(Pre-industrial Control, picontrol)模拟结果, 结合观测资料, 评估了24个CMIP5 模式对东太平洋热带辐合带偶极子(Eastern Pacific ITCZ dipole, EPID)降水模态的模拟能力, 并建立了其与模式对热带太平洋气候态模拟之间的联系。结果表明: 1) 绝大多数模式在北半球春季(2—4月)对EPID模态模拟能力较差, 主要原因在于CMIP5模式对热带辐合带(Intertropical Convergence Zone, ITCZ)的模拟偏差, 其中模拟效果较差的模式在2—4月的气候态降水分布在赤道以南, 且降水普遍偏强; 2) 对各模式的EPID模态选取的季节按照技巧评分最高进行调整后, 大部分模式能较好地模拟出EPID模态的空间分布特点, 技巧评分在0.6以上, 其中模拟效果好的模式(技巧评分大于0.7)中EPID模态出现的月份同时在中东太平洋气候态表现出“双ITCZ”特征, 且多模式集合结果的模拟误差小于绝大多数模式。     

基于神经网络的机载激光测深偏差模型构建

为提高机载激光测深（airborne LiDAR bathymetry,ALB）精度,需对ALB原始测深偏差进行修正。通过顾及ALB测深偏差诸影响参数,基于神经网络方法,利用实测样本数据训练获得ALB神经网络偏差模型,然后基于神经网络偏差模型对ALB原始测深数据进行修正。结果表明ALB原始测深偏差较大,需进行修正。传统线性偏差模型和本文神经网络模型均能有效修正ALB测深偏差。相比线性偏差模型,神经网络偏差模型具有更高内符合和外符合精度。基于神经网络的ALB偏差建模方法能有效提高ALB测深精度。     

三种非线性回归逐时气温预报比较订正

选取ECMWF和T639的2013年1月至2014年12月的数值预报场构造预报因子,基于神经网络、支持向量机和构造函数的非线性方法,预报地面逐时气温。试验结果显示,在单个方法预报误差较大时,3种方法的偏差订正集成方法更利于减小误差,通过偏差订正,3种非线性方法预报效果良好,平均绝对误差减小了0.5 ℃。在近1年独立样本的预报检验中,集成方法、神经网络、支持向量机和构造函数预报的平均绝对误差分别为1.5 ℃、1.7 ℃、1．8 ℃和1．4 ℃,总体上构造函数预报更为准确。     

2005年AREM模式汛期试验结果评估分析

AREM2．3模式2005年在中国气象局武汉暴雨研究所汛期试验过程中计算稳定,计算了该模式降水预报的分区域（长江中下游、华南、华北、东北、西南、湖北省）汛期（6、7、8三个月）TS评分,全国范围汛期漏报率、空报率、预报偏差,及各区域年内重要降水过程预报和实况的对比及TS评分,计算该模式形势场预报的平均误差、均方根误差、倾向相关系数、误差标准差,并与持续性预报（将前一天的分析场当作前一天对当天的预报场,以此类推）对比,以此对模式预报效果进行分析、评估,并做出总结,为模式的进一步开发和应用提供参考。分析结果表明：AREM2．3模式在2005年汛期试验期问48小时内预报稳定;对于长江中下游、华北、华南、东北、西南、湖北省以至全国范围均有较好的预报水平,但总体上对于强降水中心位置的预报情况不是很好;模式对于高空形势场也具有较好的预报能力,对500hPa位势高度的预报好于对500hPa温度的预报。