北半球热带中太平洋与印度洋海表温度梯度对夏季西北太平洋热带气旋生成频数变化的影响     

方珂  余锦华 《热带海洋学报》2019,38(5):42-51

基于1951—2018年哈德里中心海温资料、美国气象环境预报中心和美国国家大气研究中心再分析资料和第四代欧洲中心汉堡模式, 针对1994年、2018年等西北太平洋热带气旋(TC)生成异常多的年份, 研究了引起TC增加的海表温度异常(SSTA)模态及其影响机制。结果表明, 北半球热带中太平洋增暖与印度洋变冷是夏季西北太平洋TC生成频数增加的主要原因, 北大西洋负三极型式SSTA促使TC生成的进一步增加。热带中太平洋增暖与印度洋冷却在菲律宾以东激发出西风异常和气旋性环流异常。北大西洋负三极型式SSTA在我国南海、菲律宾至东南沿岸激发出气旋性环流异常。前者在西北太平洋中部, 后者在南海产生有利于TC生成的局地环境。1994年和2018年夏季热带中太平洋出现暖SSTA、印度洋为冷SSTA、北大西洋呈现负三极型式SSTA, 西北太平洋TC生成频数极端增多。近30年来, 当出现热带中太平洋增暖和印度洋冷却时, 北大西洋表现出比1989年以前更强的负三极型式SSTA, 使西北太平洋TC生成频数和北半球热带印度洋-太平洋SSTA梯度的线性相关更显著。  相似文献   

宇宙线的超新星遗迹起源     

张轶然  刘四明 《天文学报》2019,60(5):63-84

宇宙线的起源是高能天体物理的核心问题之一.一直以来,超新星爆发被认为是能谱膝区以下宇宙线的主要来源.多波段观测表明,超新星遗迹有能力加速带电粒子至亚PeV (10~(15)eV)能量.扩散激波加速被认为是最有效的天体高能粒子加速机制之一,而超新星遗迹的大尺度激波正好为这一机制提供平台.近年来,一系列较高精度的地面和空间实验极大地推动了对宇宙线以及超新星遗迹的研究.新的观测事实挑战着传统的扩散激波加速模型以及其在银河系宇宙线超新星遗迹起源学说上的应用,深化了人们对宇宙高能现象的认识.结合超新星遗迹辐射能谱的时间演化特性,构建的时间依赖的超新星遗迹粒子加速模型,不仅能够解释200 GV附近宇宙线的能谱反常,还自然地形成能谱膝区,甚至可以将超新星遗迹粒子加速对宇宙线能谱的贡献延伸至踝区.该模型预期超新星遗迹中粒子的输运行为表现为湍流扩散,这需要未来的观测以及与粒子输运相关的等离子体数值模拟工作来进一步验证.  相似文献   

保持局域特征的多源海冰图像融合与分类     

余志强  王廷伟  张晰  张杰  任鹏 《海洋学报(英文版)》2019,38(7):129-136

本文提出一种保持局域特征的多源海冰图像融合方法，并在此基础上进行海冰分类。本文提出的多源海冰图像融合方法包括保持空间局域融合和保持特征局域融合两方面。首先，通过学习得到投影矩阵和相似矩阵。投影矩阵将多源像素进行投影变换，得到保留像素空间局域特性的融合向量。相似矩阵度量像素特征间的相似性，通过拉普拉斯特征分解，得到保留像素特征局域相似性的融合向量。然后，将空间融合向量和特征融合向量进行像素综合，得到融合图像。在此基础上，本文设计一种滑动集成分类方法进行融合图像像素分类。提出的分类方法利用滑动集成的特点，在分类时增强刻画了海冰局域特性。由于本文的保持局域融合框架不仅刻画了海冰在物理空间中的邻接关系，而且考虑不同海冰类型的特征关系，因此其在多源图像（多光谱和合成孔径雷达（SAR）图像）的海冰分类任务中表现优异。实验结果表明本文提出的基于保持局域特征融合的多源海冰图像分类方法有效提升了海冰分类精度。  相似文献   

番红砗磲外套膜色素提取条件优化及成分分析     

付正祎  刘二田  顾志峰  石耀华  王爱民  吴川良  刘春胜 《海洋科学》2019,43(6):71-77

以番红砗磲(Tridacna crocea)为实验对象,通过单因素对比实验对其外套膜色素的提取条件进行了优化,并利用薄层层析色谱法对色素组成进行了初步分析。结果表明:丙酮和乙醇为适宜的番红砗磲外套膜色素提取剂;使用丙酮为提取剂时,浸提时间为4 h,提取温度为25℃,料液比为1︰40。使用乙醇为提取剂时,浸提时间为4 h,提取温度为30℃,料液比为1︰200;利用薄层色谱法分离外套膜颜色为蓝色和红棕色的番红砗磲外套膜色素后发现,蓝色番红砗磲外套膜色素由9种色素组分构成,红棕色个体番红砗磲外套膜色素由10种色素组分构成。  相似文献   

一种基于M估计的Robust-ELM滑坡位移预测方法     

高彩云  高宁 《大地测量与地球动力学》2019,39(2):153-157

采用传统ELM算法进行滑坡位移预测时，其网络输出权值由最小二乘估计得出，导致ELM抗差能力较差，从而造成网络训练参数不准确。为此，将M估计与ELM相结合，提出一种基于M估计的Robust-ELM滑坡变形预测方法。该方法利用加权最小二乘方法来取代最小二乘法计算ELM输出权值，以减少滑坡监测数据中粗差对ELM预测的干扰。分别以链子崖、古树屋滑坡体为例，将Robust-ELM进行了单维、多维粗差的抵御性验证。结果表明，该方法能够有效降低粗差对预测的影响，具有良好的抗差能力。  相似文献   

桂林-阳朔地区DEM地形特征与岩性相关性分析及分类研究     

陈霄燕  潘军  邢立新  蒋立军  孙也涵  仲伟敬  范博文 《地球信息科学学报》2019,21(12):1867-1876

地形地貌是岩性解译的重要信息,地形因子作为描述DEM数字曲面几何特征的定量指标参数,可用来定量化表达不同岩性所在地区地形地貌特征。本文以桂林-阳朔地区为研究区,研究地形因子数学、地质意义,建立岩性与地形因子组合间的定量关联,进而实现岩石类型划分。本文基于ASTERGDEM提取坡度、起伏度等12个地形因子,在分析各个地形因子地质意义基础上,通过聚类分析及方差分析的多元统计分析方法,研究各岩性地形因子特性及其关联性,建立研究区岩性之间的定量差异;此外,利用因子分析方法研究岩性分类过程中的主导因素,确定适宜岩性分类方法以实现定量化岩性分类。实验结果表明：不同岩性、不同地形地貌的地形因子（组合）之间具有显著差异,基于因子分析得到的宏观地形复杂度指数（MTI）以及微观曲率指数（MCI）对岩石类型的分类精度达77.36%。研究表明,地形复杂度等地形因子可用于岩性分类,采用因子分析方法可获取反映地形地貌宏观、微观特征的定量指标,且岩性分类效果良好。  相似文献   

Intercomparison of measurements of bulk snow density and water equivalent of snow cover with snow core samplers: Instrumental bias and variability induced by observers     

J. Ignacio López-Moreno  Leena Leppänen  Bartłomiej Luks  Ladislav Holko  Ghislain Picard  Alba Sanmiguel-Vallelado  Esteban Alonso-González  David C. Finger  Ali N. Arslan  Katalin Gillemot  Aynur Sensoy  Arda Sorman  M. Cansaran Ertaş  Steven R. Fassnacht  Charles Fierz  Christoph Marty 《水文研究》2020,34(14):3120-3133

Manually collected snow data are often considered as ground truth for many applications such as climatological or hydrological studies. However, there are many sources of uncertainty that are not quantified in detail. For the determination of water equivalent of snow cover (SWE), different snow core samplers and scales are used, but they are all based on the same measurement principle. We conducted two field campaigns with 9 samplers commonly used in observational measurements and research in Europe and northern America to better quantify uncertainties when measuring depth, density and SWE with core samplers. During the first campaign, as a first approach to distinguish snow variability measured at the plot and at the point scale, repeated measurements were taken along two 20 m long snow pits. The results revealed a much higher variability of SWE at the plot scale (resulting from both natural variability and instrumental bias) compared to repeated measurements at the same spot (resulting mostly from error induced by observers or very small scale variability of snow depth). The exceptionally homogeneous snowpack found in the second campaign permitted to almost neglect the natural variability of the snowpack properties and focus on the separation between instrumental bias and error induced by observers. Reported uncertainties refer to a shallow, homogeneous tundra-taiga snowpack less than 1 m deep (loose, mostly recrystallised snow and no wind impact). Under such measurement conditions, the uncertainty in bulk snow density estimation is about 5% for an individual instrument and is close to 10% among different instruments. Results confirmed that instrumental bias exceeded both the natural variability and the error induced by observers, even in the case when observers were not familiar with a given snow core sampler.  相似文献   

In-season crop classification using elements of the Kennaugh matrix derived from polarimetric RADARSAT-2 SAR data     

《International Journal of Applied Earth Observation and Geoinformation》2020

Accurate spatio-temporal classification of crops is of prime importance for in-season crop monitoring. Synthetic Aperture Radar (SAR) data provides diverse physical information about crop morphology. In the present work, we propose a day-wise and a time-series approach for crop classification using full-polarimetric SAR data. In this context, the 4 × 4 real Kennaugh matrix representation of a full-polarimetric SAR data is utilized, which can provide valuable information about various morphological and dielectric attributes of a scatterer. The elements of the Kennaugh matrix are used as the parameters for the classification of crop types using the random forest and the extreme gradient boosting classifiers.The time-series approach uses data patterns throughout the whole growth period, while the day-wise approach analyzes the PolSAR data from each acquisition into a single data stack for training and validation. The main advantage of this approach is the possibility of generating an intermediate crop map, whenever a SAR acquisition is available for any particular day. Besides, the day-wise approach has the least climatic influence as compared to the time series approach. However, as time-series data retains the crop growth signature in the entire growth cycle, the classification accuracy is usually higher than the day-wise data.Within the Joint Experiment for Crop Assessment and Monitoring (JECAM) initiative, in situ measurements collected over the Canadian and Indian test sites and C-band full-polarimetric RADARSAT-2 data are used for the training and validation of the classifiers. Besides, the sensitivity of the Kennaugh matrix elements to crop morphology is apparent in this study. The overall classification accuracies of 87.75% and 80.41% are achieved for the time-series data over the Indian and Canadian test sites, respectively. However, for the day-wise data, a ∼6% decrease in the overall accuracy is observed for both the classifiers.  相似文献   

Landsat时序数据支持下的藏东南植被时空变化监测     

王华  杨乾鹏  郭山川  旦增  次仁多吉 《测绘通报》2020,(11):7

本文利用GEE平台和1990—2019年巴宜区Landsat遥感影像，采用像元二分模型、相关性分析等方法分析了巴宜区植被覆盖度的时空变化特征与驱动力。研究结果表明：①1990—2019年巴宜区植被覆盖度总体呈稳中有增的趋势，其中，河谷区域增加明显，而高海拔区域相对稳定；②1990—2019年巴宜区气温呈显著升高，降水略有下降，总体呈“暖干化”，气温较降水量对植被覆盖变化更明显，但气候变化对植被覆盖变化影响总体不明显；③1990—2019年巴宜区植被覆盖变化与人类活动有很好的相关性，其中，低、中低、中、中高植被覆盖区域，呈显著的负相关，而高植被覆盖区域呈正相关。本文基于遥感大数据和地理云计算的植被覆盖监测动态监测和定量分析方法，能对高山峡谷区生态评估和演替分析提供一定的技术支撑和科学数据。  相似文献   

基于深度残差网络的机载LiDAR点云分类     

赵传  郭海涛  卢俊  余东行  张保明 《测绘学报》2020,49(2):202-213

机载LiDAR点云的分类是利用其进行城市场景三维重建的关键步骤之一。为充分利用现有的图像领域性能较好的深度学习网络模型,提高点云分类精度,并降低训练时间和对训练样本数量的要求,本文提出一种基于深度残差网络的机载LiDAR点云分类方法。首先提取归一化高程、表面变化率、强度和归一化植被指数4种具有较高区分度的点云低层次特征;然后通过设置不同的邻域大小和视角,利用所提出的点云特征图生成策略,得到多尺度和多视角点云特征图;再将点云特征图输入到预训练的深度残差网络,提取多尺度和多视角深层次特征;最后构建并训练神经网络分类器,利用训练的模型对待分类点云进行预测,经后处理得到分类结果。利用ISPRS三维语义标记竞赛的公开标准数据集进行试验,结果表明,本文方法可有效区分建筑物、地面、车辆等8类地物,分类结果的总体精度为87.1%,可为城市场景三维重建提供可靠的信息。  相似文献