基于小波变换的苏州暴雨前GNSS水汽异常变化分析

为研究暴雨前的大气水汽异常变化,该文基于2022年苏州市全球卫星导航系统(GNSS)数据和邻近气象站的逐小时降水量观测数据,利用小波变换方法分解重构GNSS大气可降水量(PWV)时序,分析暴雨前的GNSS PWV时序变化特征和异常信号。研究结果表明:2022年苏州暴雨发生前PWV普遍有1~3日内的明显上升期,夏季暴雨的PWV最大峰值可达72.4 mm,秋季暴雨PWV的最大峰值可达68.3 mm,春季暴雨的PWV峰值最大可达46.3 mm;突发性极端暴雨与PWV增幅关系密切,增幅越快,降水量越大;PWV经小波分解重构后,第四层高频系数(d4)的峰值或谷值往往早于暴雨发生时刻1~3 d,PWV增幅越快,PWV的d4高频系数振幅越大。本方法可探测出暴雨发生前的PWV时序异常变化,为暴雨短临预报提供一定参考依据。

小波变换在太赫兹时域光谱分析中的应用

随着超快激光技术的发展及其人们对太赫兹(THz)电磁波波段与脉冲光源认识的进一步深入,太赫兹时域光谱(THz-TDS)技术作为一种新的、快速发展的光谱分析方法在许多领域备受关注。利用太赫兹时域光谱技术在空气环境下测量样品时,样品的太赫兹光谱会因空气中水蒸气的影响而出现振荡现象。文章利用太赫兹时域光谱分析技术分别在氮气和空气环境下测量了七种样品在0.2～1.9太赫兹波段的光谱,并以氮气环境下的太赫兹光谱为参考,利用小波变换对空气环境下测量的数据进行了处理,消除了太赫兹光谱中水蒸气吸收造成的影响,实验结果证明了该方法的可行性,在此基础上,还对其中四种样品做了成像和识别,并得到了较好的结果。

基于小波变换的河北省GPS PWV与PM_(2.5)的相关性分析研究

以2014-01~03的河北省GPS和PM_(2.5)观测数据为例,利用小波变换方法开展GPS水汽和PM_(2.5)浓度的相关性分析。结果表明,低频系数重构的GPS水汽与PM_(2.5)浓度序列较好地反映了两者之间的正相关特性;D7高频信号(128~256h)及D7与D6高频信号(64~256h)重构的GPS水汽与PM_(2.5)浓度的相关性较原始序列的相关性有较大提高;对于持续7d的重度雾霾过程,由第7层和第6层高频系数重构的GPS水汽序列与PM_(2.5)浓度序列的相关性达到0.890;不同时刻水汽变化对PM_(2.5)浓度观测的影响,在水汽变化波动较大时段,水汽与PM_(2.5)浓度的相关性为正;对于水汽变化波动较小时段,由于水汽与PM_(2.5)浓度峰值时刻的差异,水汽与PM_(2.5)浓度序列的相关性则不明显。

汽液两相流动不稳定性的小波包研究法

利用小波包对信号的精确细分特性,对汽液两相流动密度波不稳定性的脉动信号进行分析,并由此得到两相密度波不稳定性脉动的特征向量。由这些特征向量可得到汽液两相流动脉动能量随脉动频率的分布状况,开创了对汽液两相流动密度波不稳定性研究的新视角。

小波检测汽液两相流动密度波不稳定性的分行特征

结合小波变换和分解良好的时频局部化特性与分形理论,从非线性复杂系统出发,通过未经简化和抽象的研究对象去认识其内在规律性的非线性特性,对汽液两相流动密度波不稳定性同时进行时频分析和非线性分析,并检测脉动参数的分行特征。

植物细胞外电势差信号对根系吸水过程的响应特征

植物细胞外电势差信号能够反映植物生理信息,通过插入黄杨树干和土壤金属电极,然后测定这种细胞外电势差,并借助小波变换方法,探究其对根系吸水过程的响应.结果表明:加水后必然产生动作电位信号,在土壤含水量相似的条件下,加水量越大,动作电位信号越强,而在加水量相当的条件下,土壤含水量越低,动作电位信号越强;树干-土壤之间的电势差在加水后波动幅度增加,并呈衰减趋势,当波动幅度衰减到几毫伏量级时,树干-土壤之间的电势差出现日变化规律,即在正午左右电势差出现极值.

基于小波变换的GPS水汽与气象要素相关性分析

利用北京市GPS连续观测资料结合气象资料开展GPS水汽与气象要素的相关性分析。首先使用GAMIT软件解算2009-06-01~2012-04-30的北京GPS连续观测网观测数据并结合气压数据获得测站水汽序列;然后用小波变换方法对GPS水汽、温度和气压数据进行分解与重构,并对重构后的数据进行相关性分析。GPS水汽序列的变化趋势与温度呈显著正相关,与气压呈显著负相关。水汽和气压存在年周期和半年周期变化,两者存在显著负相关特性;温度有年周期变化,水汽和温度在d13重构结果的相关性最好,存在显著正相关特性。

利用小波变换对暴雨过程中GNSS气象要素的初步探索

利用小波分解对地基GNSS获取的可降水量(PWV)、气压和对流层延迟(ZTD)等时序进行处理和分析,以暴雨的实际降水量作为判别依据。研究结果表明,1 h间隔PWV与ZTD的小波高频分解系数接近,均能够从中提取暴雨预报特征信息,可用高频ZTD代替PWV进行小波分析;频率在30 min-1h之间的ZTD,预报时间信息应在第1~3层级进行搜寻,30 min以下频率的应在第3~5层级进行搜寻;db4小波分解PWV的暴雨预报阈值可设为-1.2,db4小波分解ZTD的暴雨预报阈值可设置为-0.007,db2小波分解ZTD的暴雨预报阈值可设为-0.01。

基于小波变换的地震前后GNSS ZTD异常变化分析

地震前后的水汽变化特征分析可为震前地震预测和灾后次生灾害预警提供参考.该文借助小波变换方法开展地震前后全球卫星导航系统(GNSS)天顶对流层延迟(ZTD)(水汽)的异常变化研究.通过对ZTD结合地震与降水数据来分析地震前后水汽变化特征,利用小波变换的方法分解重构ZTD数据,分析GNSSZTD在地震前后的异常变化.研究发现:地震前后存在水汽突变情况,小波变换后的ZTD能更清楚显示震后水汽变化特征与地震关系及水汽周期变化.

基于FTIR和UV-DOAS联用技术的烟气在线监测系统的应用研究

文章介绍了基于傅里叶变换红外光谱(FTIR)和紫外差分吸收光谱(UV-DOAS)联用技术的烟气在线监测系统。实验证明UV-DOAS技术在检测过程中不会受到H2O的干扰影响,可用来精确计算NO、NO2和SO2的浓度,FTIR技术可根据偏最小二乘法(PLS)计算得到CH4、HCl、HF、CO、CO2等其他烟气污染物的浓度,两种监测技术并行,可自由切换。经过长时间测量,各组分气体零点漂移均小于2%F.S,说明系统具有良好的稳定性,能够实现对高温高湿现场烟气污染物的精确测量。

基于EMD和WD联合算法的GPS水汽时间序列的周期性振荡分析

水汽在全球水文和气候变化上扮演着非常重要的角色。选取了中国台湾GPS水汽时间序列作为算例数据,分析了水汽与地理环境的对应关系,得到中国台湾地区的大气水汽分布主要受纬度,地形特征和气候条件控制的结论。利用经验模态分解（EMD）和小波分解（WD）联合算法将中国台湾GPS站水汽的长时间序列和短时间序列进行分解,探测出每个GPS站都存在周年、半周年、天、半天的周期振荡,再结合地理、气候因素分析周期振荡产生的物理原因,得出结论：年周期的水汽振荡主要是由于在中国台湾特殊地形条件下年季风周期变化引起的;半周年的振荡主要是由于夏季风与冬季风对中国台湾地区的交替控制所导致的;而导致水汽日变化的原因则是海陆风环流、海陆风-山谷风叠加环流;天顶可降水量（PWV）半日振荡的振幅较小,则主要是因为受到了太阳辐射加热引起的局地热对流的影响所导致。

激光掩星探测大气UTLS温度和水汽的方法及仿真

以高精度和高垂直分辨率探测大气区间对流层顶—平流层底UTLS(Upper Troposphere/Lower Stratosphere,5—35 km)的温度和水汽廓线是提高大气条件变化监测水平的关键,而利用激光掩星方法同时探测温度和水汽则是对现有探测技术的重要补充。本文研究了激光掩星协同探测和反演温度和水汽分子数密度的方法,其中重点研究了双吸收波长近红外激光反演温度的方法,具体为从近红外波段氧气吸收光谱中,选择2个不同跃迁能级对应的特征吸收峰,在每个吸收峰附近各选出1个吸收线,利用2个吸收线对应的双吸收波长激光以及参考线对应波长激光进行掩星探测,进而由探测数据反演出温度。整个温度和水汽协同反演步骤是先反演温度廓线,然后由温度廓线以及5 km参考高度处的压强先验值计算得到压强廓线,最后在温度和压强廓线基础上,结合水汽单吸收波长和参考波长激光掩星数据,反演得到水汽分子数密度廓线。此外,本文对探测和反演过程进行了模拟仿真,通过在近红外波段选择合适的氧气吸收波长和水汽吸收波长,模拟得到掩星透过率数据,以此反演得到温度和水汽分子数密度廓线。并通过对整个过程的分析,明确了反演过程中的误差项及其传递关系,结合数值仿真结果,说明了各个误差项的影响大小。结果显示,在UTLS区间内,温度反演误差总体小于1.05 K,水汽分子数密度反演误差总体小于4%,该误差范围说明了温度和水汽协同反演方法的可行性。

基于小波变换与回归分析的融合GNSS水汽、风速和PM10要素的PM2.5浓度模型

PM2.5浓度时空演化分析有助于认知大气污染的发展和现状.由于我国PM2.5浓度监测起步较晚,积累数据短,有必要利用其它已有数据开展PM2.5浓度模型研究.PM2.5浓度变化受到内部因素与外部气象条件的影响.本文以河北省为例,选择PM10为影响PM2.5浓度变化的内部因素、水汽与风速为PM2.5浓度变化的外部气象条件,融合三种要素构建多变量PM2.5浓度模型.开展了PM2.5与PM10、水汽、风速的相关性分析,鉴于水汽值存在季节性差异,利用小波变换对水汽序列分解重构后再开展PM2.5与水汽的相关性分析.采用回归分析方法构建了融合PM10、水汽、风速的PM2.5浓度多变量预测模型,利用PM2.5实测值进行了模型的可靠性检验.研究发现:PM2.5与PM10、小波变换分解重构后的水汽呈正相关,与风速呈负相关;与PM2.5浓度实测值相比,多变量模型PM2.5浓度预测精度优于单变量模型;对于PM2.5浓度分级预测效果统计,在大气空气质量为良、轻度污染、中度污染的情况下,多变量模型PM2.5浓度预测效果较好.基于多变量要素模型反演的PM2.5浓度序列可用于河北省大气污染变化分析.

小波分解辅助的珠海CORS水汽监测技术分析

依托城市连续运行基准站(continuously operating reference station, CORS)系统,利用全球导航卫星系统(global navigation satellite system, GNSS)水汽探测技术可实时获取高精度、高时空分辨率的水汽产品。这些水汽信息是新一代CORS系统的革新产品,可为未来的精准气象服务奠定基础。为了探究小波变换对GNSS可降水量(GNSS-precipitable water vapor, GNSS-PWV)时间序列的处理效果,针对2019年7月18日至7月26日发生的多次降水事件,收集了相应日期珠海CORS水汽监测系统得到的GNSS-PWV时间序列,采用db4和sym4小波对上述时间序列数据进行了分解和重构。实验结果表明,相比db4小波,sym4小波对GNSS-PWV时间序列的降噪效果更好,并且经其处理后的GNSS-PWV高频分量可更清晰直观地展示降水前水汽的异常突变。