简介:一个观察本地化计划被介绍进一基于整体三维变化(3DVar)吸收方法基于单个价值分解技术(SVD-En3DVar)到改善吸收技巧。一种逐点详述的分析技术在每观察的重量与增加在分析点和观察点之间的距离在哪个减少被采用。一套数字实验,模仿的Doppler雷达数据在被吸收进天气研究并且预报当模特儿,被设计测试计划。结果与在SVD-En3DVar,其任何一个都不包括这类观察本地化用全球的原版和本地补丁计划获得的那些相比。观察本地化计划不仅在失踪的数据的区域消除假分析增长,而且避免从本地补丁计划产生的不连续的分析领域。新计划提供更好的分析领域和更多合理短期降雨预报比原来的计划。从10架雷达吸收真实数据的另外的预报实验显示短期的降水预报技巧能被吸收雷达数据改进,观察本地化计划比另外的二个计划提供一张更好的预报。
简介:利用中国太阳分光观测网的观测资料结合MODIS(中分辨率成像光谱仪)的气溶胶产品分析了北京、兰州、上海3个典型区域城市的气溶胶光学特性。结果表明:北京AOD(气溶胶光学厚度)年平均为0.41±0.35,春夏高,秋冬低,Angstrom波长指数a年平均为1.40±0.85表现为细模态粒子,MODIS的光学厚度为0.52±0.39与地面观测相关系数为0.91,存在系统性高估;兰州AOD年平均为0.55±0.21,夏季最低,秋冬较高,a年平均为0.95±0.20表现为粗模态粒子,MODIS光学厚度为0.43±0.21与地面观测相关系数仅为0.07,存在系统性低估;上海AOD年平均为0.55±0.21,无明显季节变化,a平均为1.03±0.25,MODIS光学厚度为0.74±0.30与地面观测相关系数为0.75,存在系统性高估。城市地理位置和复杂地表等原因造成反照率的不确定,MODIS气溶胶产品在这3个城市的反演效果仍有很大提升空间。
简介:系统介绍了利用SilviScan-3TM测量细胞结构、术材密度、微纤丝角和划分年轮界线的方法,并以祁连山青海云杉为例,分析青海云杉6个术材性质参数(年轮细胞直径、年轮细胞壁厚、年轮宽度、年轮密度、年轮微纤丝角、年轮弹性模量)与气候因子的关系,以期为利用多个树轮参数研究气候提供参考.结果表明:6个木材性质参数与月平均气温和月降水量都有显著相关的月份,但显著相关的时间段不同,并且微纤丝角和细胞结构参数中包含的气候信息强于常用的年轮宽度和年轮密度.SilviScan-3TM测量木材性质参数的优越性体现在:测量精度高、速度快,能在同一个试样上测量多个参数并能精确定年.
简介:简要介绍了精细化天气预报和气象数据挖掘应用的现状,在对BP神经网络预测方法详细分析的基础上,研究了基于时间序列数据挖掘实现精细化温度预报的方法。该方法基于时序分析技术,建立起适合于BP神经网络的输入样本模型,通过反复学习从温度时序中建立预测模型,将其用于未来24h的精细化温度预报。同时,对BP神经网络算法和步骤做了简要介绍,针对原有的BP算法存在的不足,做了一些改进。最后,通过对预测挖掘系统的设计和在Matlab6.5仿真平台上的试验,建立了温度预报模型,以兰州市观测站数据为时间序列研究对象,对精细化温度预报进行了仿真实现。对基于时序的数据挖掘理论的应用和开发精细化温度预报方法做了有益的探索。