符号动力学和信息熵在暴雨监测中的应用研究

暴雨是世界上最主要的灾害之一,每年都会给国民经济和人民的生命财产造成巨大的损失。但是,暴雨预报是非常困难的,造成这种情况的根本原因是对大气环流短时间的突变和强对流天气系统发生、发展的机理了解得非常少。这其中包括对大气内部的动力机制及其与外部环流之间相互作用的物理过程和热带、中纬度的各种天气系统异常变化的机理,特别是对多尺度相互作用的研究还非常浅显。假如忽略一些随机因素的影响,大气系统可以被认为是一个确定性的非线性系统。符号动力学是非线性科学的一个分支,有着深厚的理论基础,它已慢慢成为实际工作中所要掌握的工具之一。信息熵是信息论中最重要的物理量之一,它把非线性科学与统计学结合起来,已经成为了一种分析非线性问题的重要工具。利用符号动力学和信息熵对暴雨过程进行研究具有一定的探索意义,通过分析大量暴雨过程的熵曲线,发现大部分暴雨过程在发生前10 d内,其熵值达到了极小值。这一征兆的发现表明,该方法在对暴雨事件进行监测和预报方面具有一定的研究价值。     

基于空间机器学习的城市小面积森林监测研究

为解决城市复杂地物环境中小面积森林检测的难题,提出了一种基于空间机器学习的城市小面积森林监测方法。该方法首先对卫星遥感大数据预处理,抑制云层和图像噪声。其次,提出了基于随机森林(random forest, RF)建立了森林识别模型。最后,选取了一个典型国家森林城市-江苏省南通市进行推广应用,实现了10 m空间分辨率城市森林变化监测。模型精度结果表明,对2021年南通市小面积森林覆盖精度为99.25%。在此基础上,利用时间序列差分方法得到南通市2019～2021年森林变化图。通过对比验证结果表明,提出的方法可有效监测小面积森林,将对测准城市森林系统碳汇具有重要的参考意义。     

星载天气雷达谱参数估计方法研究

基于傅里叶分析(DFT)的谱参数估计方法已被广泛用于测量多普勒天气雷达降水速度,已经证明对于较小的归一化谱宽(σN)而言该方法几乎最优。然而该方法局限于地基和空基多普勒天气雷达中较小的σN(σN<0.1)。研究安装在静止轨道卫星上的多普勒天气雷达获取全球的垂直降水速度很有必要。针对星载天气雷达较大的σN(σN0.2),扩展了一种适用于星载场合的谱参数估计方法。对该方法性能进行了分析,与其他几种形式的DFT谱估计方法及脉冲对处理方法(PPP)比较可看出:在相同的系统参数下,提出的新方法性能最优,能够获得优于0.5m/s的多普勒测速精度。