本文使用1979—2021年国家气候中心160站(R160)和国家级地面气象观测站2 314站(R2314)逐月降水观测资料，利用EOF（Empirical Orthogonal Function）分解和相关分析等方法，研究两类资料夏季降水时空变化特征及其与海气因素之间物理联系的表征水平差异，并分析了差异的可能原因。结果表明，R160在我国西北、青藏高原等地区站点极为稀疏，导致其各EOF模态对上述地区降水的时空变化特征描述失真，中东部地区偏低的空间分辨率会使局地强降水的变化特征信号损失，造成降水的年际变率降低。而R2314主模态能够更为真实地反映我国降水的时空演变特征，特别是在极端降水频发的江淮地区以及降水受局地地形影响较大的山区，其EOF主模态的空间分布和时间系数演变与ENSO（El Ni1o-Southern Oscillation）、西太平洋副热带高压、青藏高原雪盖等气候强迫信号之间的相关性更为显著。
本文使用1979—2021年国家气候中心160站(R160)和国家级地面气象观测站2 314站(R2314)逐月降水观测资料，利用EOF（Empirical Orthogonal Function）分解和相关分析等方法，研究两类资料夏季降水时空变化特征及其与海气因素之间物理联系的表征水平差异，并分析了差异的可能原因。结果表明，R160在我国西北、青藏高原等地区站点极为稀疏，导致其各EOF模态对上述地区降水的时空变化特征描述失真，中东部地区偏低的空间分辨率会使局地强降水的变化特征信号损失，造成降水的年际变率降低。而R2314主模态能够更为真实地反映我国降水的时空演变特征，特别是在极端降水频发的江淮地区以及降水受局地地形影响较大的山区，其EOF主模态的空间分布和时间系数演变与ENSO（El Ni1o-Southern Oscillation）、西太平洋副热带高压、青藏高原雪盖等气候强迫信号之间的相关性更为显著。
本文使用1979—2021年国家气候中心160站(R160)和国家级地面气象观测站2 314站(R2314)逐月降水观测资料，利用EOF（Empirical Orthogonal Function）分解和相关分析等方法，研究两类资料夏季降水时空变化特征及其与海气因素之间物理联系的表征水平差异，并分析了差异的可能原因。结果表明，R160在我国西北、青藏高原等地区站点极为稀疏，导致其各EOF模态对上述地区降水的时空变化特征描述失真，中东部地区偏低的空间分辨率会使局地强降水的变化特征信号损失，造成降水的年际变率降低。而R2314主模态能够更为真实地反映我国降水的时空演变特征，特别是在极端降水频发的江淮地区以及降水受局地地形影响较大的山区，其EOF主模态的空间分布和时间系数演变与ENSO（El Ni1o-Southern Oscillation）、西太平洋副热带高压、青藏高原雪盖等气候强迫信号之间的相关性更为显著。
受气候变暖影响，青藏高原的多年冻土正在发生广泛的退化，主要表现为融冻泥流事件的频繁发生，对生态系统和当地基础设施造成深刻影响。融冻泥流的精准识别有助于理解融冻泥流的发生和演变机制。近年来尽管基于深度学习的融冻泥流识别取得了进展，但机器学习算法在该领域的识别能力仍有待探究。本研究基于GF-2卫星遥感数据构建了一种基于集成机器学习的优化面向对象融冻泥流识别算法，引入了纹理和几何等空间信息来辅助识别融冻泥流，并基于面向对象技术改善了识别模型的错分问题。此外，基于集成学习整合不同机器学习模型的优势，以获得不低于常用深度学习模型的识别精度。结果表明，基于递归特征消除（RFE）特征选择算法剔除了多维特征数据集中的冗余特征，证明了纹理和几何信息是融冻泥流识别的有效数据补充。在优化后的面向对象机器学习模型中，随机森林（RF）的识别精度最高，总体精度为87.43%。McNemar检验表明，与单一模型相比，集成机器学习模型显著提高了融冻泥流识别精度，其总体精度为93.14%。对研究区内融冻泥流的地形特征进行统计分析后发现融冻泥流主要发生在海拔3 200～3 500 m之间，坡度介于5°～25°，并且以东北...
受气候变暖影响，青藏高原的多年冻土正在发生广泛的退化，主要表现为融冻泥流事件的频繁发生，对生态系统和当地基础设施造成深刻影响。融冻泥流的精准识别有助于理解融冻泥流的发生和演变机制。近年来尽管基于深度学习的融冻泥流识别取得了进展，但机器学习算法在该领域的识别能力仍有待探究。本研究基于GF-2卫星遥感数据构建了一种基于集成机器学习的优化面向对象融冻泥流识别算法，引入了纹理和几何等空间信息来辅助识别融冻泥流，并基于面向对象技术改善了识别模型的错分问题。此外，基于集成学习整合不同机器学习模型的优势，以获得不低于常用深度学习模型的识别精度。结果表明，基于递归特征消除（RFE）特征选择算法剔除了多维特征数据集中的冗余特征，证明了纹理和几何信息是融冻泥流识别的有效数据补充。在优化后的面向对象机器学习模型中，随机森林（RF）的识别精度最高，总体精度为87.43%。McNemar检验表明，与单一模型相比，集成机器学习模型显著提高了融冻泥流识别精度，其总体精度为93.14%。对研究区内融冻泥流的地形特征进行统计分析后发现融冻泥流主要发生在海拔3 200～3 500 m之间，坡度介于5°～25°，并且以东北...
受气候变暖影响，青藏高原的多年冻土正在发生广泛的退化，主要表现为融冻泥流事件的频繁发生，对生态系统和当地基础设施造成深刻影响。融冻泥流的精准识别有助于理解融冻泥流的发生和演变机制。近年来尽管基于深度学习的融冻泥流识别取得了进展，但机器学习算法在该领域的识别能力仍有待探究。本研究基于GF-2卫星遥感数据构建了一种基于集成机器学习的优化面向对象融冻泥流识别算法，引入了纹理和几何等空间信息来辅助识别融冻泥流，并基于面向对象技术改善了识别模型的错分问题。此外，基于集成学习整合不同机器学习模型的优势，以获得不低于常用深度学习模型的识别精度。结果表明，基于递归特征消除（RFE）特征选择算法剔除了多维特征数据集中的冗余特征，证明了纹理和几何信息是融冻泥流识别的有效数据补充。在优化后的面向对象机器学习模型中，随机森林（RF）的识别精度最高，总体精度为87.43%。McNemar检验表明，与单一模型相比，集成机器学习模型显著提高了融冻泥流识别精度，其总体精度为93.14%。对研究区内融冻泥流的地形特征进行统计分析后发现融冻泥流主要发生在海拔3 200～3 500 m之间，坡度介于5°～25°，并且以东北...
针对现有冬季冰盖垂直剖面温度检测技术的不足,设计了一种具有高空间分辨率的分布式光纤测温系统,介绍了系统的测量原理和总体结构,提出使用反卷积校正算法,避免了因受系统有限带宽影响而导致的测温不准,从而提升空间分辨率。同时进行了相关测温实验。该算法可以在保证温度测量精度的前提下,将系统的空间分辨率从1.3 m提升至0.5 m。设计了一种具有垂直高分辨率的温度测量装置,可以精确检测冰盖内部垂直方向上的温度变化,实现对冰盖厚度的识别。
针对现有冬季冰盖垂直剖面温度检测技术的不足,设计了一种具有高空间分辨率的分布式光纤测温系统,介绍了系统的测量原理和总体结构,提出使用反卷积校正算法,避免了因受系统有限带宽影响而导致的测温不准,从而提升空间分辨率。同时进行了相关测温实验。该算法可以在保证温度测量精度的前提下,将系统的空间分辨率从1.3 m提升至0.5 m。设计了一种具有垂直高分辨率的温度测量装置,可以精确检测冰盖内部垂直方向上的温度变化,实现对冰盖厚度的识别。
针对现有冬季冰盖垂直剖面温度检测技术的不足,设计了一种具有高空间分辨率的分布式光纤测温系统,介绍了系统的测量原理和总体结构,提出使用反卷积校正算法,避免了因受系统有限带宽影响而导致的测温不准,从而提升空间分辨率。同时进行了相关测温实验。该算法可以在保证温度测量精度的前提下,将系统的空间分辨率从1.3 m提升至0.5 m。设计了一种具有垂直高分辨率的温度测量装置,可以精确检测冰盖内部垂直方向上的温度变化,实现对冰盖厚度的识别。
全球气候变暖及人类活动导致青藏高原大面积冻土退化、热融滑塌等问题,严重影响了多年冻土区工程建设和生态环境。利用无人机高空间分辨率影像和面向对象分类技术进行了黑河上游俄博岭垭口冻土区热融滑塌监测实验,详细分析了最邻近、K-最邻近、决策树、支持向量机(support vector machine,SVM)和随机森林5种面向对象监督学习方法提取冻土热融滑塌边界的性能和精度,并使用野外实测数据对实验结果进行验证。结果表明,面向对象分析中分割尺度对热融滑塌提取结果影响较小,而不同组合的分类特征影响较大,因此选择合适的分类特征是关键; 5种分类方法的总体精度均在90%以上,其中SVM方法的Kappa系数高于其他4种分类方法,表明该方法在本次实验研究中更适合无人机遥感影像冻土热融滑塌边界提取。无人机高空间分辨率遥感与面向对象分类方法相结合在冻土热融滑塌监测中具有广阔的应用前景。