赴美国参加第97届美国气象学会年会总结

1概况 2017年1月22—26日第97届美国气象学会（AMS）年会在美国华盛顿州西雅图市举行。本届年会的主题是“观测引领未来”（0bservationsLeadtheWay），通过进一步完善观测资料和改进数值模式，探索全方位时空尺度上天气、水和气候信息，提升为公众和政府提供天气预报、气候变化评估、减灾适应对策、公众信息传播等多种服务的水平。

基于CNN-LSTM的卫星云图云分类方法研究

卫星云图分类一直都是气象领域的研究热点之一,但存在同一云型光谱特征不同、不同云型光谱特征相同以及主要利用点云光谱特征而忽视空间特征等问题。针对以上问题,提出一种基于CNN-LSTM网络的卫星云图云分类方法,充分利用光谱信息和空间信息来提升云分类准确率。首先,根据云的物理特性对光谱特征进行筛选,并结合点云的正方形邻域作为点云的空间信息;然后,通过卷积神经网络(Convolutional neural network,CNN)自动提取空间特征,解决了单用光谱特征分类难的问题;最后,在此基础上结合长短时记忆网络(Long short-term memory,LSTM)提取的空间局部差异特征,为卫星云图分类提供多角度特征,解决了云块空间结构相似导致误判的问题。实验结果表明,所提方法对卫星云图的整体分类准确率达到93.4%,相比单一CNN方法的整体云分类准确率提高了2.7%。

从无人机遥感、数据融合、生态价值谈自然资源要素综合观测体系构建

自然资源要素综合观测体系建设是自然资源部全面贯彻习近平生态文明思想、践行山水林田湖草是生命共同体发展理念、实施自然资源“两统一”管理的重要举措。这项基础性、公益性、紧迫性的建设工程对于解决我国自然资源长期且连续定位观测研究不够、预判资源环境数据支撑不足、实现以自然资源综合区划为管理单元、评价资源综合承载力、研究资源间耦合平衡过程、预判资源环境生态演变趋势及优化自然资源空间结构配比,具有十分重要意义。自然资源调查、监测与观测研究是获取自然资源现状、预判未来状态的主要手段。我国自然资源调查、监测体系相对完善,但观测研究体系相对不系统,数据积累相对不足。为了更好地搭建自然资源要素综合观测体系,分别从无人机遥感观测、数据融合及自然资源资产价值方面给出了建议充分利用和发挥无人机组网遥感观测、倾斜摄影测量等技术,开展自然资源立体观测;借鉴降水、陆面、海表和三维云气象多元数据融合经验,开展自然资源要素综合的数据融合;利用森林资源生态服务价值评价经验,开展自然资源资产价值核算。这些建议对自然资源综合观测体系的科学构建具有借鉴作用。

复杂背景下银行卡号识别方法研究

针对复杂背景下的银行卡号提取及识别问题提出一种基于深度学习和传统光学字符识别(optical character recognition,OCR)方法相结合的自动提取并识别卡号的算法。算法采用改进的深度学习文本检测模型对文本内容进行检测,然后利用OCR方法对数字部分图像进行分割,最后通过改进的神经网络识别数字得到连续的银行卡号。实验结果表明,改进了卷积核的神经网络对复杂背景下的银行卡号字符识别效果有显著提升,能较好提取图像中的字符特征信息,在浅色背景数据集下准确率可达到98.87%。该系统能有效识别复杂背景下的银行卡号,平均时效约为6.3 s。

毫米波雷达资料融化层亮带特征的分析及识别

云的融化层亮带位置、厚度及其回波强度的垂直结构变化信息对于云和降水物理研究、人工影响天气指挥和效果评估,数值模拟云参数化均有非常重要的意义。为了了解云层融化层高度的精确位置,根据云雷达在广东、河北、吉林等不同云过程总计456个例分析(其中确认融化层明显个例34次),系统分析云雷达探测到融化层亮带宏观参量的统计情况,包括融化层厚度、反射率因子在融化层强度变化、退偏振因子在融化层的强度变化,并提出了一种结合垂直探测的云雷达探测到的雷达反射率因子(R)和退偏振因子(Ldr)垂直廓线数据,根据参量在融化层附近显著变化特性,识别零度层亮带高度和厚度的算法。同时选取个例对应观测时刻探空资料观测的0°层高度进行对比,反演的融化层高度等参数同实际情况比较接近,位于探空资料观测的0°层下方,而且退偏振因子对融化层的敏感程度大于反射率因子。

云计算平台上实现30年气候资料整编的方法

国家气象信息中心存储和保存了50多年宝贵的长序列历史资料,这些历史资料在实时、准实时业务及科研中需要经常被使用并进行气象科学计算。由于历史数据量大,耗时长,如何在短时间内得到所需的计算结果提供用户使用成为本文的主要研究目标。通过搭建云计算平台,并以30年气候资料统计整编研究对象,在云计算平台上基于MapReduce分布式并行计算模型进行多种统计项目、统计方法的算法实现。通过修改云计算平台运行环境参数配置并在不同配置下运行相同计算任务,进行计算效率对比试验。

复杂地形下C波段雷达定量降水估计算法

C波段雷达定量降水估计(QPE)精度受到很多因素的影响,主要包括:(1)雷达标定,(2)非气象回波的干扰,(3)降水物垂直空间变化,(4)地形或地物的严重遮挡,(5)Z-R关系的代表性,(6)雷达拼图的质量,(7)雷达观测回波衰减等。文中雷达定量降水估计算法基于陕西省C波段天气雷达展开,从雷达探测数据质量控制、地形遮挡、Z-R关系和雷达拼图等方面提高C波段天气雷达定量降水估计的精度,产生降水类型产品和1 h定量降水估计产品,产品空间分辨率为0.01°×0.01°,时间分辨率为6 min。通过对7次降水过程进行评估,结果表明:基于混合仰角反射率因子处理模块和降水类型分类模块进行雷达定量降水估计,得到的结果与地面雨量站观测降水接近,1 h累计降水量的统计评分指标均方根误差稳定在3 mm以下,相对误差稳定在50%左右,相对偏差保持在−30%以内,雷达定量降水估计产品的离散度和绝对偏差都较低,表明该算法得到的雷达定量降水估计稳定可靠。