简介:采用FFT算法和PPP算法,对南京S波段双线偏振全相参脉冲多普勒天气雷达-次实测回波时Ⅰ/Q信号进行谱宽估计,并对谱宽估计值及其偏差与信噪比的关系进行了分析.结果发现:)相对高信噪比数据,低信噪比回波的谱宽估计偏差更大,且随信噪比降低偏差呈指数增长.相对FFT算法,PPP算法的谱宽估计偏差更大,且随信噪比降低偏差增长速度更快.2)为提高谱宽估计精度必须要尽量消除噪声(主要是低信噪比回波信号)造成的影响,分别对FFT算法和PPP算法提出了改进方案,两种算法的谱宽估计质量都有了较大提升,尤其是低信噪比回波数据.修正后FFT算法处理得到的谱宽数据与RVP8偏差更小,而修正后PPP算法处理得到的谱宽数据偏差较大且比较离散,这表明FFT算法的估计精度更高,但实际处理过程中PPP算法的处理速度更快,两种谱矩估计算法各有优劣.
简介:依据气温间的空间相关性,将地统计学中的普通克里金法(OrdinaryKriging,OK)引入地面气温资料的质量控制。考虑气温在空间上的连续性,提出一种基于高斯模型改进的普通克里金(ImprovedOrdinaryKriging,IOK)质量控制方法。为评估该方法的性能,运用IOK法对江苏省67个台站2008年地面日平均气温资料进行质量控制,并与OK法以及反距离加权法(InverseDistanceWeighted,IDW)进行比较。试验结果表明,IOK法的检验效果优于OK法与IDW法,且稳定性与适用性较高,能有效地标记出气温观测数据中的可疑数据。
简介:我们改进了共偏移距-共反射面(COCRS)法,可用以衰减地滚波,即由于低速、低频/高振幅瑞雷波通常产生的相干噪声。COCRS算子是基于双曲线,因此它可以拟合双曲走时的同相轴,如叠前数据中的反射同相轴。相反,地滚波在共中点(CMP)和共炮点道集中是线性的并可以可以利用COCRS算子鉴别与压制。因此,我们在共偏移距剖面之前共炮道集中搜索反射倾斜和曲率。因为这对反射振幅的危害最小化是最理想的,我们只对在地滚波区多次覆盖的数据进行叠加。在CO剖面前搜索CS道聚集是对常规COCRS叠加的另一个改进。我们使用合成和真实数据集测试了所提出的方法,数据采自伊朗西部地区。我们将本方法压制地滚波的结果与f-k滤波和f-k滤波后常规COCRS叠加压制地滚波的结果进行了比较。结果表明,该方法对真伪滚压制效果优于F-K滤波与传统CRS叠加。然而,计算时间高于其他常规的方法,如f滤波。
简介:Tilt—depth法可以用于快速反演磁源的上顶埋深,但其无法反演磁源底部深度,同时该方法的反演解过于单一。针对于此,本文在有限厚度台阶磁异常导数公式基础上,推导出了可以同时反演地质体上、下界面埋深的改进型Tilt—depth法计算公式,并采用在Tilt梯度图上选取多特征点进行联合反演的计算模式来提高反演解的可靠性。二维及三维组合模型试验均证实了改进型Tilt—depth法可以有效地反演出磁性体的上顶与下底深度,且上顶埋深的反演精度明显高于常规方法的。最后将改进型Tilt—depth法用于松辽盆地长岭断陷航磁数据反演,其上顶埋深的反演结果与钻孔钻遇火山岩的深度基本一致,证实改进型Tilt—depth法相对于常规方法的反演结果更加准确。
简介:本文整理了3种计算露点温度的方法,分别为利用干球温度和相对湿度直接计算,利用干球温度、相对湿度和环境水汽压间接计算,用干球温度、湿球温度和大气压计算,并以长春、西安、武汉和广州地区代表站为例,将前两种计算露点温度方法的结果与实际观测的露点温度进行对比分析。结果表明:露点温度的直接法与间接法均有其优点,当干球温度为0.0—30.0℃且相对湿度为40%—100%时,直接法计算的露点温度与实际观测露点温度的误差主要集中在0.5℃以内,适用于温度高且相对湿度较大的地区;间接法计算的露点温度精度较高,与实际观测露点温度的误差在0.2℃以内,具有一定的推广意义。
简介:文章采用2013年7月至2014年6月通辽地区11个国家气象站(对应城镇,下同)和69个区域自动气象站(对应乡镇,下同)逐日20—20时最低温度、最高温度实况资料,分析了各区域气象站与邻近国家气象站实况温度相关关系,给出了替代法、误差订正法、回归方程法3种乡镇温度预报方法并进行了检验评估。结果表明:(1)区域气象站与邻近国家气象站实况温度存在显著的线性正相关关系;(2)回归方程法较另两种方法更优,在实际工作中应予以重点采用;(3)基于城镇预报的乡镇温度预报质量依赖于同期城镇温度预报质量,通常前者较后者略低;(4)以城镇预报为基础,采用回归方程法制作的乡镇温度预报质量较高。
简介:以中国夏季气温为预测对象,选取东亚地区冬季500hPa高度场、海平面气压场、地表温度场和850hPa温度场为预测因子,采用1951~2009年去趋势处理后的资料,通过变形的典型相关分析(Barnett-PreisendorferCanonicalCorrelationAnalysis,BP-CCA)方法分别建立单因子预测模型,再利用集合典型相关分析(EnsembleCanonicalCorrelation,ECC)方法建立集合预测模型,对中国夏季气温进行基于交叉检验方法的预测试验,然后利用2010~2014年的资料对中国夏季气温进行独立样本检验。通过分析BP-CCA模态可知,一对BP-CCA模态的空间型在一定程度上可以反映预报因子场和对象场的遥相关特征。通过基于交叉检验方法的预测试验表明环流场和热力场均能为气温提供预测信息。ECC预测模型综合了各个预报因子的在不同地区的预报技巧,比单因子BP-CCA预测模型有更高、更稳定的预报技巧。独立样本检验表明ECC模型与单因子BP-CCA预测模型相比,对中国夏季气温有更高、更稳定的实际预测能力,对气温季节预测具有参考价值。