一种改进的随机粗糙地表的双尺度微波散射模型研究（英文）

该文提出一种新的双尺度(Modified Two-Scale Model,MTSM)粗糙度地表微波散射模型,采用小波包变换的方法将面上的粗糙度(z(x,y))变换到频域进行处理,粗糙度频谱的低频部分代表大尺度分量,高频部分代表小尺度分量,然后分别用基尔霍夫近似和小扰动模型来分别模拟大小尺度的粗糙度,考虑到小尺度的粗糙度是叠于大尺度粗糙度之上,模型在计算小尺度粗糙度的后向散射贡献时还考虑了大尺度起伏造成的几何倾斜。MTSM的解为大尺度粗糙度的基尔霍夫解加上几何倾斜修正后的小尺度粗糙度的小扰动解。最后采用改进的积分方程模型(AIEM)对MTSM做了初步的验证,结果表明在入射角qi<30°,粗糙度较小(ks=0.354)的时候,MTSM有比较好的精度。

粗糙地表对雷电电磁场传输影响的模拟研究

利用二维分形布朗运动(f Bm)模式来分析分形粗糙地表对雷电产生的电磁场传输的影响。结果表明:(1)粗糙地表对雷电首次回击产生的垂直电场基本没有影响。对后续回击产生的垂直电场的幅值影响很小,但是随着粗糙度的增加波头的上升时间增大;(2)粗糙地表对首次回击产生的水平电场基本没有影响。对于后续回击,当观测距离较远,地表相对粗糙时,粗糙度引起的额外衰减对水平电场的影响很大;(3)无论是首次回击还是后续回击,地表粗糙引起的额外衰减对水平磁场基本没有影响;(4)粗糙度引起的额外衰减对电导率小的地表影响很小。

考虑粗糙地表的近地层风场仿真模拟研究及误差分析

基于Fluent流体计算平台,使用自编UDF程序实现根据地表粗糙度长度添加覆盖植被阻力源项来模拟精细化地表粗糙度,以Askervein山为例建立数值模型,选择了不同的湍流模型进行风场模拟,研究了湍流模型对复杂地形风场CFD模拟的影响,并与实测数据对比分析了湍流模型的适用性,进一步探讨了均一地表粗糙度的模拟效果。研究表明:相比于其他几种湍流模型,LES模拟结果与实测值吻合最好,更适用于复杂地形的风场模拟。地表粗糙度长度对风场的影响在迎风面和背风面处有较大的差异性,合理设置单一地表粗糙度能有效减小模拟误差。

基于激光三角法的地表粗糙度测试仪的研制

针对接触法测试地表粗糙度需要人工参与、测试时间长等问题,该文提供了一种快速的地表粗糙度测试的仪器及测试方法。基于激光三角原理,将激光投影到待测目标上,摄像机接收反射光的图像,通过图像处理算法及坐标转换得到被测区域的三维坐标,再根据粗糙度计算公式得到地表粗糙度参数的结果。将该仪器分别进行了精度及野外测试试验,精度试验测量结果的平均相对误差最大值为2.93%,仪器典型分辨率在垂直仪器扫描方向为0.78 mm,仪器扫描方向为1 mm,垂直大地方向为0.83 mm。试验结果表明,农田表面空间自相关系数的测量结果反映出了农田的垄结构特征,验证了该文仪器及方法的可行性及有效性。

青藏高原东部土壤冻融过程中地表粗糙度的确定

利用黄河源区气候与环境综合观测研究站2006年10月—2007年4月的湍流观测资料和一种新的方法,计算了青藏高原东部玛曲地区土壤冻融过程中的地表粗糙度。结果表明:所用的计算粗糙度的方法是可行的,玛曲土壤未冻结阶段、冻结阶段和融化后阶段的地表粗糙度分别为3.23×10-3m,2.27×10-3m和1.92×10-3m,地表粗糙度呈逐渐减小的趋势。三阶段地表粗糙度有明显区别,以前将冬季前后的粗糙度取为定值的计算会导致一定的误差。

几种典型地表粗糙度计算方法的比较研究

本文分别利用最小二乘拟合迭代法、牛顿迭代法、TVM法和Martano法计算2003年长白山森林地表粗糙度。结果表明,Martano法计算结果偏小,其他三种方法结果基本一致。不确定性分析表明,Martano法的不确定性与参与计算的数据量有关。拟合迭代法和牛顿迭代法的不确定性在于,通常假设u＊不随观测高度而变化,而实际u＊随观测高度变化。若相邻两个观测高度之间的u＊变化1%,地表粗糙度计算误差8.3%。TVM法由于参数C1的选取范围为0.9~1.05,引起地表粗糙度不确定性平均值为29.9%。经计算得到长白山森林在各种大气层结条件下的地表粗糙度,拟合迭代法得到的2003年稳定、中性和不稳定条件下的地表粗糙度年平均值分别为2.642、2.103和1.616m。

黑河中上游不同下垫面动量总体输送系数和地表粗糙度对比分析

利用廓线法计算了黑河中上游地区盈科农田站、冰沟稀疏草地站、阿柔牧场站和大冬树山垭口积雪观测站的总体输送系数和地表粗糙度。结果表明,地表粗糙度与植被覆盖度和高度以及下垫面的性质有关,夏季地表粗糙度大小是农田站最大,其次是牧场站和稀疏草地站,高寒草甸站最小。下垫面状况还影响动量总体输送系数对稳定度的依赖程度,地表粗糙度大的地区强于地表粗糙度小的地区。

中国高分辨率地表粗糙度分布研究

利用2010年欧洲空间局(ESA)最新发布的高分辨率全球土地覆盖卫星观测数据,研究中国地区的地表粗糙度分布。参考两个常用气象模式CALMET和WRF中有关土地覆盖类型与地表粗糙度的分配方案,分别建立ESA土地覆盖类型数据与地表粗糙度的映射关系,编制了水平分辨率约300 m的中国地表粗糙度分布,并与实际观测数据进行比较分析。结果表明:(1)使用ESA土地覆盖类型数据有利于反映地表粗糙度更细致的空间分布,但无法反映城市区域内部的粗糙度变化;(2)基于CALMET模式的映射关系给出的地表粗糙度数值系统偏高;(3)基于WRF模式的映射关系能够给出更合理的地表粗糙度,与实际观测更相符,并可部分反映地表粗糙度的季节变化。

藏北高原高寒草甸地表粗糙度对地气通量的影响

利用中国科学院寒区旱区环境与工程研究所那曲高寒气候与环境观测研究站的BJ观测站2012年1 12月大气湍流观测资料及自动气象站观测资料,应用一种独立的确定地表动力学粗糙度Z0m的方法及两种热力学粗糙度Z0h的参数化方案(Z98和Y07),得出了Z0m和Z0h以及附加阻尼kB-1的变化规律。结果表明,Z0m在一定时间尺度(月、季)上存在着波动,Z0h在高原季风前、盛行期、衰退期有不同的日变化和季节变化特征。结合陆面模式CoLM将地表特征参数代入该模式进行数值模拟,初步探讨了地表粗糙度的变化规律及其对地表通量的影响,结果表明,Z0m的动态变化和Z0h参数化方案的改进提高了CoLM模式的模拟性能,模拟的地表通量更接近观测值。

利用极化SAR数据探索同极化相关特征随地表粗糙度变化的研究

利用冲积扇区域 SIR.C 全极化 SAR 数据深入研究了同极化相关特征与粗糙度之间的关系,经分析得出:(1)以圆极化右旋.左旋为正交基的同极化相关系数在粗糙度 ks(k 是入射波的波数,s 是表面高度标准离差)<0.5时,随 ks 的增大而减小;(2)仅考虑线性正交基,可以从同极化相关系数响应图中提取线性同极化相关系数曲线,该曲线的极值差或者标准差等代表该曲线平滑程度的参数可以在更大的范围内(ks<1.2)随粗糙度ks的增大而近似线性地减小,因此能够更有效地反映粗糙度的变化;(3)水平垂直正交基对应的同极化相位差平均值在 ks<1时,随粗糙度的增大而稳步减小。

西北寒旱灌区裸露地表粗糙度SAR反演建模方法研究

快速获取大范围土壤地表粗糙度的空间分布是一个急需解决的科学难题。以快速获取内蒙古河套灌区解放闸灌域土壤地表粗糙度为目的,研究了RADARSAT-2雷达影像数据的地表粗糙度信息提取技术,通过剖面板法实测地表粗糙度数据。利用BP(Back Propagation)人工神经网络和LMBP(Levenberg-Marquardt Back Propagation)人工神经网络模型2种方法建立了土壤地表粗糙度的定量反演模型,并对模型进行验证。结果表明,LMBP模型的反演效果优于BP模型,其决定系数R2分别为0.888 3、0.689 2。建立的雷达后向散射系数反演土壤地表粗糙度的人工智能模型,能够在一定程度上满足快速获取土壤地表粗糙度的需要,为微波遥感监测土壤墒情及土壤盐渍化提供重要基础参数。

利用AMSR-E微波辐射计对地表粗糙度参数的一种新标定方法

在利用微波辐射计进行对地观测的过程中,陆地表面特性参数(如土壤水分、土壤粗糙度和植被冠层)是土壤微波辐射的重要影响因素。地表粗糙度的标定对于利用微波辐射计数据反演地表参数而言是十分重要的工作。地表粗糙度参数(h和Q)随着观测频率而变化。通常的标定方法是,假设h的空间分布是变化的,Q在全球均一地分布,则在沙漠地区首先采取h=0的近似,再对Q进行标定。但是事实上,h和Q在全球的分布都是变化着的,这与地面环境状况有关。以AMSR-E数据为例,在对MPD I分析的基础上,推导给出了简单的、基于理论模型的参数Γ。Γ可以直接由观测亮温值计算得到,它是一个与土壤水分无关,仅与植被层含水量wc和土壤粗糙度σ有关的参量,因此它可以用于地表粗糙度的标定和对植被层含水量、植被生长/变化的估计。本文选择干旱季节里的北非地区,在没有对h采取任何假设的前提下,利用参数Γ实现了对地表粗糙度参数h和σ的标定,并与原有标定方法的结果做了比较分析。

便携式地表几何粗糙度参数测量仪研制

文中提供了一种快速的地表粗糙度参数测量的仪器及测试方法。基于激光测距原理,将激光测距传感器旋转,依次投射出激光点到待测目标上,形成一条具有相同间距的激光点剖线,处理器读取激光测距传感器的测量距离,然后计算出对应各点的垂直高度,再根据粗糙度计算公式得到地表粗糙度参数。将该仪器进行了野外测试试验,粗糙度试验测量结果的最大偏差不超过0.8 cm.试验结果表明:该测量仪器且具有结构简单、便携性好、自动化程度高、不易受人为影响等优点,可以应用于微波遥感或者土壤测量等试验中。

地表粗糙度对高层建筑下击暴流风荷载特性影响的试验研究

地表粗糙度对近地层的风场影响很大。为研究下击暴流风场中不同粗糙度地貌上的高层建筑表面风压变化规律,基于冲击射流试验,讨论了地表粗糙度与径向距离不同情况下高层建筑表面风压特性。试验结果表明:建筑迎风面风压极值区的高度随地表粗糙度的增大而逐渐抬升,迎风面正风压系数也随之增大,背风面负风压绝对值随之减小,侧面风压系数受粗糙度影响变化不明显;建筑侧面脉动风压系数随地表粗糙度的增大而增大,而迎风面和背风面的脉动风压系数受粗糙度影响较小。随着径向距离及地表粗糙度的增大,出流强度衰减明显加快,建筑迎风面中下部区域风压系数衰减较大,背风面及侧面风压系数逐渐减小,且背风面呈线性衰减趋势。

锡林河流域不同利用方式草地风速廓线及地表粗糙度特征分析

以锡林河流域典型草原上天然草地、围封草地和人为干扰草地3种不同利用方式的草地为研究对象,通过对区域风速廓线与地表粗糙度的测定,研究了不同利用方式草地的防风效能。试验结果表明,流域内3种不同土地利用方式的草地近地表风速总体呈现随测量点距离地表的高度增加而增加的规律,风速廓线符合指数规律和实际情况,但不同土地利用方式草地之间存在差别;围封草地地表粗糙度最大,人为干扰草地的地表粗糙度最小,表明在天然草地、围封草地和人为干扰草地中,围封草地的防风效能最好。

基于被动微波遥感的地表粗糙度及土壤水分反演研究

被动微波遥感具有监测面积大、重复周期短、对土壤水分更为敏感等优点,成为反演土壤水分最有潜力的方式。论文针对地表粗糙度和植被覆盖变化对土壤水分反演过程中带来的误差和不确定性展开研究,发展更适合大区域土壤水分反演的算法。主要研究内容如下:(1)全球地表粗糙度反演算法研究。

深凹露天矿地表粗糙度对复环流结构影响的模拟

为研究深凹露天矿地表粗糙度对复环流结构的影响规律,总结典型深凹露天矿特征,按近似1:1比例建立简化深凹露天矿模型,基于COMSOL Multiphysics软件进行数值模拟,根据地表粗糙度计算入口处速度、湍流动能、湍流耗散率分布,并对模型中壁粗糙度等参数进行设置,采用κ-ε湍流模型对矿区内湍流结构进行预测,分析地表粗糙度对复环流结构的影响规律及原因。结果表明:复环流形成主要由矿区内压力差导致,可以分为变化期和稳定期两个阶段;随地表粗糙度增大,矿区湍流动能增大,变化期时间缩短;对于稳定期,随地表粗糙度增大,矿区内压差降低,压力集中区域由迎风坡上端向背风坡下端偏移,复环流范围增大,复环流区域由迎风坡向背风坡偏移,高度降低。

模拟植被地表覆盖率和粗糙度对坡面流水动力特性的影响

为研究刚性植被覆盖与地表粗糙共同作用下的坡面流水动力特性,在室内开展定床水槽冲刷试验,研究陡坡(15°)条件下10组流量(0.33~1.95m^3/h)、5种覆盖率(0,0.5%,1.0%,1.5%,2.0%)、4种不同地表粗糙度(0.01,0.18,0.25,0.38mm)的坡面流流速、流型流态、阻力系数等变化特性。结果表明:(1)水流流速变动范围为0.06~0.59m/s,流速与植被覆盖率和地表粗糙度呈负相关关系(r<-0.90),当植被覆盖率增加,流速随流量增加的增幅降低;流速校正系数与植被覆盖率呈正相关关系(r>0.75),而与地表粗糙度呈负相关关系(r<-0.84);(2)所有试验条件下雷诺数处于153~910之间,流态主要集中于过渡区和虚拟层流区,流型多数处于急流区,随植被覆盖率和地表粗糙度的增加,弗劳德数逐渐小于1,具有向缓流区延伸的趋势;(3)坡面流总阻力系数与雷诺数呈幂函数关系,与地表粗糙度和植被覆盖率呈正相关关系(r>0.81);(4)阻力影响指数结果显示,当流量小于1.05m^3/h时,地表粗糙度在影响总阻力过程中占主导地位,反之,植被覆盖率占主导地位;通过t检验,坡面流总阻力与颗粒阻力和形态阻力线性叠加结果差异性显著(p<0.05),表明当存在颗粒阻力及形态阻力时,坡面流总阻力并不能使用线性叠加原理。

面向地形类型区分的地表粗糙度算法比较研究

【目的】以地形类型辨识和区分为目的,对比分析不同粗糙度算法的优缺点,为定量描述地形形态、划分地形类型提供新思路。【方法】基于SRTM3高程数据,使用常见的11种地表粗糙度算法(坡度、局地高差、高程均方差、高程均方根偏差、均方根坡度、绝对坡度、坡度标准差、面积比、矢量离差、余弦特征值、二维变异性)提取研究区的地表粗糙度,从空间格局特征和统计分布特征两方面对提取结果进行对比,并利用典型断面和频率曲线分析方法探讨各算法区分研究区地形类型的能力。【结果】坡度、局地高差、高程均方差、高程均方根偏差、均方根坡度和绝对坡度6种算法所得地表粗糙度的空间格局特征与统计分布特征极其相似,且能有效区分研究区的地形类型。坡度标准差、面积比、矢量离差、余弦特征值和二维变异性5种算法难以表达研究区地表粗糙度的宏观变异,不能有效区分研究区的地形类型。【结论】基于高程空间变异的坡度、局地高差、高程均方差、高程均方根偏差、均方根坡度、绝对坡度6种算法是表达地表粗糙程度和区分地形类型的较佳算法。

考虑地表粗糙度改进水云模型反演西班牙农田地表土壤含水率

土壤含水率是农业、环境、气象等领域进行建模的重要参数。该研究将微波遥感与光学遥感相结合,利用Sentinel-1数据交叉极化比及变换土壤调节植被指数对地表粗糙度进行估计,构建了一种改进的水云模型(modifiedwatercloud model, MWCM)。分析将NDVI、NDWI和NDWI1725,2200等植被指数作为植被冠层含水率时,水云模型(water cloud model,WCM)及MWCM农田地表土壤含水率的反演精度。结果表明:从总体精度上来看,MWCM的反演精度优于WCM。在不同植被覆盖度情况下:当植被覆盖度为中、低程度(NDVI<0.5),MWCM具有较高的反演精度;在较高的植被覆盖度情况下(NDVI≥0.5),WCM与MWCM的反演精度较为接近。MWCM可有效的建立微波后向散射系数与地表土壤水分的关系,提高土壤含水率反演精度,为各种地表覆盖类型的土壤含水率反演提供研究思路及理论支持。