一次强冰雹超级单体风暴双偏振参量特征分析

利用济南S波段双偏振多普勒天气雷达资料、章丘探空和地面常规气象观测资料及灾情调查,对2021年7月9日发生在济南章丘的一次特大冰雹超级单体风暴双偏振和微物理结构特征进行了分析。结果表明:冷涡天气背景下,强的垂直风切变和强的对流有效位能,利于超级单体的形成与维持。阵风锋是风暴触发机制,也是风暴长时间维持机制。初始风暴由阵风锋触发,经过合并发展产生超级单体。成熟阶段,风暴西侧与阵风锋交汇区域不断激发新生单体,并与主体合并,风暴长时间维持。风暴顶强辐散是中气旋长时间维持和风暴顶高度较高的关键因子之一。特大冰雹阶段风暴底层右后有明显的入流缺口,其前侧有差分反射率(Z_(DR))弧,表现为少量大的液态粒子或小的湿冰粒子,入流缺口左侧强反射率因子区对应小的Z_(DR)和小的相关系数,为冰雹降落区。垂直结构上,强上升气流区一侧存在深厚的有界弱回波区,0℃层高度之下分布有Z_(DR)环,有界弱回波区内及上方存在Z_(DR)柱,且高度较高,含有少许偏大的液态或融化的小的冰相粒子。较高的Z_(DR)柱表明风暴内上升气流强盛且高度较高,利于风暴的发展与维持以及冰雹粒子的湿增长。

雷达遥感在水旱灾害监测中的应用与展望

一、引言我国自然地理、气候条件复杂,水资源时空分布极不均匀,加之极端天气频发,社会经济快速发展带来的用水加剧,造成水旱灾害形势严峻,水旱灾害直接经济损失占所有自然灾害的60%以上。据统计,近年来我国年均水旱灾害直接经济损失超过3000亿元,针对新形势下的水旱灾害形势和防灾减灾需求,习近平总书记提出了“两个坚持、三个转变”的防灾减灾救灾理念,坚持以防为主,防灾救灾相结合;坚持常态减灾与非常态救灾相统一;从注重灾后救助向注重灾前预防转变,从应对单一灾种向应对综合减灾转变,从减少灾害损失向减轻灾害风险转变。

基于MODIS积雪覆盖度数据的青藏高原两套被动微波雪深产品降尺度对比研究

积雪深度(雪深)是流域水量平衡、融雪径流模拟等模型的重要输入参数,被动微波雪深遥感产品被广泛用于雪深监测。然而,由于山区积雪时空异质性强,这些空间分辨率较粗的雪深产品受到极大限制。本研究基于MODIS积雪覆盖度数据,根据经验融合规则以及积雪衰退曲线对“中国雪深长时间序列数据集”的两套雪深产品(由SMMR、SSMI和SSMI/S反演的称为Che_SSMI/S产品;由AMSR-2反演称为Che_AMSR2产品)进行空间降尺度,最终获得青藏高原500 m降尺度雪深数据(Che_SSMI/S_NSD和Che_AMSR2_NSD)。利用6景Landsat-8影像对两套降尺度雪深数据进行对比分析,结果发现两套降尺度数据与Landsat-8影像积雪空间分布吻合度均较高。与29个气象站点雪深数据相比,Che_AMSR2_NSD与实测雪深更为接近,相关系数(R)达到0.72,均方根误差(RMSE)为3.21 cm;而Che_SSMI/S_NSD精度较低(R=0.67,RMSE=4.44 cm),可能是由于采用不同传感器亮温数据的两套原始雪深产品精度不同所致。除此之外,实验表明被动微波雪深产品降尺度精度还受积雪深度、积雪期等因素的影响。当积雪深度小于10 cm且在积雪稳定期时,两套雪深产品降尺度精度均最高;当积雪深度大于30 cm且在积雪消融期时,两套雪深产品降尺度精度均最低。通过对比两套降尺度雪深产品,有助于全面地了解青藏高原雪深时空分布变化及其应用提供数据支持。

基于多模型神经网络的湿度廓线反演研究

为提升微波辐射计对大气廓线探测的精度,利用ARM大气观测站提供的地基微波辐射计、毫米波测云雷达以及探空数据,构建了两种添加不同云信息的反向传播神经网络(back propagation neural network,BPNN)模型(添加入云和出云高度的C-BPNN模型与添加雷达反射率因子的Z-BPNN模型)与一种未添加云信息的BPNN模型(记为BPNN0),并对反演结果进行了对比,结果表明:C-BPNN模型和Z-BPNN模型在任何天气下(有云或无云),得到的反演误差都小于BPNN0模型;C-BPNN相较于另外两种模型反演结果具有更高的稳定性。对3种模型各自反演结果最好的个例分析发现,C-BPNN与Z-BPNN模型主要的误差存在于高空无云但是相对湿度却出现跃变的情况,说明神经网络模型对初始权值与阈值较为敏感,因此通过遗传算法(genetic algorithms,GA)对BPNN模型进行优化。经GA优化后的反演结果表明:BPNN0模型与C-BPNN模型具有明显优化效果,而Z-BPNN模型优化效果则不明显。

GOES-16 ABI观测和ERA5全天空模拟亮温揭示的热带对流水平特征尺度对比分析

本研究通过将GOES-16 ABI观测亮温和ERA5再分析资料的全天空模拟亮温进行对比分析,发现观测亮温和模拟亮温对流低值区位置大体接近,也能够定性反映出对流从发展到减弱的日变化过程,但亮温低值区域的强度存在较大差异。即使把高分辨率ABI通道13观测亮温平均到ERA5分辨率(0.25°×0.25°),在热带对流区的低亮温强度仍然高于ERA5全天空模拟亮温。因此利用主成分分析(Principal Component Analysis,PCA)和离散傅里叶变换(Discrete Fourier Transform,DFT)对任意选择的两对流区域内的观测和模拟亮温进行了尺度分析和对比。在其中对流较强的区域内,当ABI观测亮温的主成分分量从1增加到9时,水平特征尺度从700 km逐渐减小到150 km。ERA5全天空模拟亮温从主成分1增加到4时,水平特征尺度从950 km减小到270 km空间尺度,但当主成分4增加到9时,特征尺度几乎不变。在对流较弱的另一区域也能够发现ERA5模拟亮温对对流水平特征尺度有明显高估。ERA5模拟亮温各主成分的相位和观测亮温存在2 h以内的误差。由于ERA5全天空模拟亮温低值区与ERA5云冰路径大值区吻合度较高,由此可以推测ERA5云冰路径误差是造成ERA5全天空模拟亮温与ABI观测亮温差别的主要原因之一。

基于改进的空洞卷积UNet网络提取林地信息方法

为提升大范围林地信息提取的智能化程度及效率,提出了一种基于残差连接的空洞卷积UNet网络(RCD-UNet网络),将残差连接双卷积模块与传统UNet网络进行有机结合以提升模型性能,并以GF-2号高分辨率卫星遥感影像为数据源,开展了南京林地信息提取方法研究。结果表明:引入空洞金字塔池化层(ASPP)模块能够增强模型对上下文的感知能力,林地信息提取的总体精度为95.44%,Kappa系数为82.48%,满足高效、准确提取森林资源空间结构信息的需求,为森林资源管理与调查提供了技术支撑。

粗糙海面星载微波视在亮温仿真模型

针对新型星载微波辐射计论证需求,通过研究平静和粗糙海面发射率模型,结合大气辐射模型,建立了典型波段的星载微波视在亮温数学模型,设计了视在亮温仿真模型总体方案,以及平静海面发射率、风速影响发射率、风向影响发射率和辐射传输仿真计算模块方案,开发了星载微波辐射计视在亮温仿真软件,实现了不同大气、海面风、传感器参数条件下的星载微波辐射计海面视在亮温仿真计算,验证了仿真模型的可行性,为星载微波辐射计星地一体化仿真论证提供了技术支撑。

GBAVTII探测西安上空夜气辉反演O_(2)(0-1)柱浓度及其波动的研究

探测高层大气的粒子浓度具有重要的科学意义.本文利用安装在中国西安城区(海拔457m, 34.23°N,109.01°E)的自制地基气辉成像干涉仪GBAVTII(Ground-based atmosphere VER&temperature imaging interferometer)对峰值高度在94 km处的867.7 nm O_(2)(0-1)夜气辉长期定点观测,反演得到O_(2)(0-1)的柱浓度,并根据大气温度及O_(2)(0-1)粒子柱浓度的扰动提取得到大气重力波、行星波周期.本文首先阐述了地基GBAVTII探测气辉的原理,并从气辉辐射理论及地基探测模式导出气辉强度表达式,建立地基仪器探测得到的气辉的积分体发射率IER(Integrated Emission Rate)与大气中O_(2)(0-1)柱浓度的关系,然后利用2019年以来的多日观测数据,得到西安地区上空O_(2)(0-1)粒子的柱浓度量级为10~4cm^(-2);经对比发现2020年9月17日GBAVTII探测O_(2)(0-1)柱浓度结果与NRLMSISE-00模型数据的相对误差在0.5%~30%.我们从GBAVTII整夜拍摄气辉成像干涉图中反演出西安上空90~100 km的大气温度和O_(2)(0-1)柱浓度及扰动特征,得到周期在8~10 h左右的潮汐波,去掉潮汐趋势的温度和柱浓度残差序列,利用小波分析提取得到周期为2.3 h的重力波.最后我们利用2022年4月21日—2022年5月6日期间的O_(2)(0-1)柱浓度探测序列得到日平均柱浓度并提取准2日的行星波周期.GBAVTII所探测得到大气波动的周期尺度与其他已有中纬度地区的探测结果相吻合.

月表落石检测方法研究——基于梯度注入策略与结构驱动评价机制

月表落石是了解月球演化进程的重要手段。由于人工识别落石特征既耗时又困难,所以落石检测逐渐倾向于利用深度学习手段。基于此,文中提出一种结合Transformer和梯度算子的月表落石有效检测方法。受落石结构的启发,设计一种基于落石成功检测数目的新评价机制。将3种目标检测算法和3种样本设置策略相结合,构建9个落石检测器。其中,样本设置通过调整样本比例和注入梯度信息以实现。实验结果表明,相比于现有基于CNN的落石检测方法,文中提出的月表落石检测方法在月表落石数据集RMaM-2020精度方面表现更优。同时,文中所提出的落石检测评价机制能够实现量化指标和可视化结果相统一。

不同土壤湿度产品对长江中下游极端气候事件响应过程分析

评估了5种常用的土壤湿度产品(SMOS、SMAP、ESA CCI、ERA5、SMCI)在长江中下游地区的适用性,并结合气象数据分析了各产品在极端降水、干旱事件期间的时空变化特征。结果表明:5种产品都能较好地反映长江中下游地区土壤湿度空间分布特征,SMOS与其他产品相比存在普遍低估,时空变化特征与其他几种产品有一定差异。在反映土壤湿度对极端降水响应方面,SMAP、SMCI和ERA5都能反映出与异常降水变化相匹配的土壤湿度空间变化特征,而SMOS在空间上没能准确反映对降水的响应过程。在反映土壤湿度对极端干旱响应方面,SMOS和ESA CCI对极端干旱事件的响应与其他几种产品差异较大,ERA5和SMCI土壤湿度对干旱在空间上的响应较为准确。

基于GPCC月尺度降水产品的空间降尺度适用性研究

卫星降水产品在弥补地面观测站空间覆盖不足方面起着关键作用,但其较低的空间分辨率和有限的精度限制了在水文学和气候学研究中的直接运用。通过评估全球降水气候中心(GPCC)不同分辨率降水产品,并应用空间降尺度技术提升数据质量,以提升数据应用价值。选取0.25°分辨率GPCC数据,融合多源地理信息,构建多元线性回归模型实施降尺度,成功将其分辨率提高至1 km×1 km,模型依托内蒙古自治区实测降水数据进行验证。结果表明,所有模型的决定系数值均维持在0.881以上,均方根误差低于37.348 mm,偏差不超过0.041 mm,证明降尺度后数据精确可靠,具备良好地域适应性。研究成果可为深入研究内蒙古自治区水循环过程、指导农牧业生产实践、精准监测干旱状况等提供高分辨率、高质量的卫星降水数据支持。

基于样本增强和自动参数优化的高光谱目标检测方法

基于深度学习的高光谱目标检测面临着样本质量不足、网络结构复杂、参数调整费力等问题,本文提出了一种具有数据增强和自动超参数优化的深度学习方法。为了解决样本质量不足的问题,本文引入了一种样本扩增策略。该策略利用端元提取和聚类技术直接从高光谱图像中获取大量背景像素,通过使用相减像素配对方法将这些像素与少量已知目标像素配对,获得大量标记的纯样本对,从而实现数据增强。此外,与大多数复杂的深度网络不同,本文设计了一个由12个卷积层组成的轻量级卷积神经网络(CNN)。该网络专门设计用于高效快速地学习输入样本对与其对应标签之间的映射。结合粒子群优化算法,该网络具有超参数自动优化的能力,克服了参数调整费力的缺点,这使得网络能够根据来自不同高光谱图像的样本自动调整超参数,从而产生最优结果。对于测试像素,训练网络的输入是中心像素与其相邻像素之间的光谱差。当一个测试像素属于目标时,输出分数接近1,反之则接近0。在五个高光谱数据集上的实验结果表明:本文提出的方法明显优于现有的技术。

基于贝叶斯模型平均的2003–2015年青海三江源地区地表蒸散发数据集

蒸散发(Evapotranspiration,ET)是陆地水、碳和能量交换的重要组成部分。基于不同模型和不同遥感数据估算的ET,存在不同程度的不确定性。贝叶斯模型平均(Bayesian model averaging,BMA)提供了降低不确定性的一种途径。本研究采用中国三江源地区水热通量观测数据,以ARTS、PT-JPL、MOD16和SSEBop遥感蒸散发产品为基础,进行了BMA集成研究,生成了三江源地区2003–2015年250 m空间分辨率的年均地表蒸散发数据集。通过验证各输入模型和BMA集成模型结果,发现基于BMA的ET与通量观测数据相关性达0.94,能够解释观测数据季节变化的89%,优于单个模型的性能。说明BMA模型集成能够整合不同模型内在优势,降低结果估算的不确定性,从而获得更可靠的估算结果。本数据集可为三江源区域水热变化研究和生态系统调节功能评估提供更精确的数据支持。

基于GF-2影像的武汉市九峰山国家森林公园地上碳储量估算

探究国产高分辨率数据在森林碳储量估算研究中的潜力,为构建森林碳储量估算模型提供新思路。选取武汉市九峰山国家森林公园为研究对象,以GF-2遥感影像为数据源,结合地面实测信息,对研究区森林地上碳储量进行估算,共提取6个植被指数、4个波段值、8种纹理特征,筛选出9个与实测碳储量相关的遥感变量,运用线性与非线性方程对单个高相关变量和多个相关变量进行建模,选出最优模型,为进一步提高预测精度,将模型代入4种纹理窗口(3×3、5×5、7×7、9×9)。结果表明:通过遥感图像提取的植被指数之间,具有较强的共线性,单变量建立的模型精度低于多变量模型;利用均方根误差RMSE与决定系数R^(2)对4个窗口下模型的预测精度进行评价,模型在5×5窗口下预测效果最好(R^(2)=0.73,RMSE=0.5),3×3窗口下预测效果最差(R^(2)=0.64,RMSE=0.8),将所有估测模型进行比较,在纹理窗口下模型精度提高了0.11。利用5×5窗口下构建的多变量模型对研究区碳储量进行估算,九峰山国家森林公园碳储总量为1.06×10^(4) t,总体平均碳密度为84.59 t/hm^(2),具有一定的固碳作用。选用国产高分辨率影像GF-2数据对武汉市九峰山森林公园进行反演研究,能很好地运用在森林植被碳储量定量与生长状况领域。研究结果对“双碳”目标下森林生态系统碳汇监测与管理具有重要科学意义。

运用机器学习方法提取Sentinel-2影像烃微渗漏异常——以Marsel探区为例

油气藏的烃微渗漏是一种普遍存在的现象,遥感技术为油气藏的烃微渗漏地表检测提供了高效快捷的方法.传统的基于烃微渗漏机理的方法通过检测烃微渗漏引起的地表异常(植被、蚀变矿物等)响应以提取烃微渗漏位置,方法简单,但多解性强.本文以哈萨克斯坦Marsel探区为研究对象,提出了一种基于机器学习的遥感影像烃微渗漏异常提取方法.首先以研究区地表微生物检测结果为基础制作训练样本,为了对比不同样本学习结果,分别制作了斑块样本(patch sample)数据集和像元样本(pixel sample)数据集,在此基础上采用逻辑回归、支持向量机、随机森林、LeNet、AlexNet、GoogLeNet、ResNet算法构建两类数据集的学习模型.结果表明,对于经典机器学习算法,斑块样本最高准确率达0.833,像元样本最高达0.771;对于深度学习算法,斑块样本最高达0.782,像元样本最高达0.914.最后把这准确率最高的四种算法模型应用于哈萨克斯坦Marsel探区,并与地质地震资料进行对比,发现ResNet-18-1D对像元样本的预测结果与地震地质分析资料的对应性最佳,且准确率达0.914,Kappa系数达0.892.

多源遥感降水产品在西北干旱区的气象干旱性能评估

多源遥感降水产品在气象站点稀少或分布不均地区的干旱监测方面,发挥着至关重要的作用,比如地处中国西北的干旱区。选择5套典型遥感降水产品(PERSIANN、CHIRPS、CMORPH、TMPA和MSWEP),基于标准化降水蒸散指数(SPEI),评估了降水产品在3种时间尺度的气象干旱性能;通过游程理论识别干旱事件,阐释了遥感降水产品捕获干旱事件的能力。研究表明:(1)在西北干旱区,5套遥感降水产品均能较好地捕捉多年平均降水量的空间分布格局,但却难以准确地捕捉降水的变化趋势。(2)在捕获SPEI性能方面,MSWEP最优,其次为TMPA、PERSIANN和CHIRPS,CMORPH表现最差。1个月尺度(SPEI1)是遥感降水产品识别气象干旱的最佳时间尺度。(3)在刻画干旱事件的特性方面,CHIRPS对干旱事件数量的识别能力最佳,PERSIANN最差;MSWEP和TMPA表征干旱严重性最好,CHIRPS较差;除CMORPH外,其余4套产品均能较好地捕获干旱事件的强度和极值。综上所述,虽然5套遥感降水产品整体上可较好地捕获西北干旱区的干旱特征,但由于受降水产品反演算法、地形复杂性以及地面验证站点疏密程度的影响,较难以找到一种降水产品在捕获干旱特性所有方面均表现最优。研究成果可为区域气象干旱监测最佳降水产品的选择,以及遥感降水产品在极端干旱环境反演算法的改进方面提供参考。

2000-2023年京津冀蓝天等级日数遥感研究

利用2000年12月—2023年12月卫星遥感反演的气溶胶光学厚度逐日资料,结合2023年每日中午地面观测蓝天资料,基于气溶胶光学厚度得到的蓝天等级监测指标,分析2000—2023年京津冀地区蓝天日数的时空变化特征及其变化趋势。结果表明:2001—2023年京津冀蓝天日数年平均值分别为144.2 d·a^(-1)、96.3 d·a^(-1)和119.6 d·a^(-1),北京蓝天日数最多,河北次之,天津最少。空间分布上,河北北部年平均蓝天日数最多,河北南部蓝天日数最少。京津冀蓝天日数具有明显季节变化,冬季和秋季蓝天日数最多,春季次之,夏季最少。2001—2023年京津冀蓝天日数年平均值均呈显著增加趋势,每10年分别增加18.1 d、22.3 d和16.3 d,其中2001—2013年无显著趋势变化,2013—2023年呈增加趋势,每10年分别增加26.9 d、46.5 d和36.4 d。

基于遥感影像的城市植被覆盖度监测研究

城市植被生长状态及分布密度对于城市生态环境有着重要影响,本文首先以近年来新开放的Landsat 9卫星影像数据为基础,分析研究卫星构成及影像特征,然后对其进行辐射定标、大气校正等,最后利用归一化植被指数(Normalized Difference Vegetation Index,NDVI)对城市植被覆盖率进行反演。结果表明:研究区植被覆盖率相对较高,平均值为60.17%,普遍为高植被覆盖度和较高植被覆盖度区域,较低和低植被覆盖度相对较少;从空间分布可得,浦口区、江宁区、溧水区植被覆盖度平均值均在60%以上,其他地区则低于60%。总体而言,研究区植被生态态势较好,植被覆盖度较高,同时利用Landsat 9卫星影像数据能够较为准确地反演城市植被覆盖度,为城市生态环境保护监管提供可靠数据支撑。

结合注意力机制的深度学习葵花8号影像云相态识别方法研究

云相态的准确分类对地气辐射收支系统及云光学性质等方面的研究至关重要。传统的云相态分类方法利用不同种类云所具有的光谱特征差异,这些分类算法大多仅在白天场景下进行,并且存在数据集相对匮乏的问题。以2016年1—8月地球同步卫星葵花8号的多波段辐射信息作为研究对象,以主动观测极轨卫星CloudSat以及CALIPSO合并的云相态分类产品作为参考标签,建立嵌入自注意力机制的云相态分类深度神经网络(DNN),实现白天/夜间场景下的“冰云”“水云”“混合相云”的云相态分类判定和输出。实验结果表明,夜间模型平均精确率约79%,白天模型平均精确率约85%;引入自注意力机制提升云相态检测模型的性能,添加两层注意力层的白天模型和夜间模型,相比未添加注意力层的模型,F 1分数均提高约0.04。

FY-3G MWRI-RM低频通道亮温观测中的无线电干扰信号及其日变化

由于微波辐射计低频通道的非保护性,亮温观测会受到主动传感器的信号污染,被称为无线电频率干扰(Radio-Frequency Interference,RFI)。RFI信号降低了亮温观测资料及其反演产品的准确度。我国近期发射的风云三号G星(FY-3G)搭载了微波成像仪—降水型(Microwave Radiation Imager-Rainfall Mission,MWRI-RM),在10.65~183.00 GHz的频率范围内设有17个通道,对地球大气进行被动遥感探测。在没有RFI影响情况下,不同通道亮温观测具有高度相关性。利用这一特点,采用标准化主成分分析法,可识别FY-3G MWRI-RM亮温观测资料中RFI的发生位置和强度。与风云三号A/B/C/D/星(FY-3A/B/C/D)不同,FY-3G MWRI-RM可以在不同时间观测到地球同一地点。因此,还可以研究RFI是否有日变化特征。结果表明,RFI信号确实存在于MWRI-RM的低频通道10.65 GHz亮温观测资料中,在中国和欧洲都有集中或零散分布区域,并且呈现日变化特征,RFI强度在白天普遍大于夜间。