简介:简要介绍了精细化天气预报和气象数据挖掘应用的现状,在对BP神经网络预测方法详细分析的基础上,研究了基于时间序列数据挖掘实现精细化温度预报的方法。该方法基于时序分析技术,建立起适合于BP神经网络的输入样本模型,通过反复学习从温度时序中建立预测模型,将其用于未来24h的精细化温度预报。同时,对BP神经网络算法和步骤做了简要介绍,针对原有的BP算法存在的不足,做了一些改进。最后,通过对预测挖掘系统的设计和在Matlab6.5仿真平台上的试验,建立了温度预报模型,以兰州市观测站数据为时间序列研究对象,对精细化温度预报进行了仿真实现。对基于时序的数据挖掘理论的应用和开发精细化温度预报方法做了有益的探索。
简介:选取QIN和SOB两种代表性劈窗算法对辽宁地区地表温度进行反演,并分析二者的精度和误差分布。结果表明:QIN和SOB算法反演的地表温度(Ts)与地面气象台站准同步观测的气温和地温的线性拟合显著,SOB算法线性拟合更好;从误差分布直方图可知,两种算法的反演结果与地温更接近,SOB算法与同步气温和地温在±2.0℃之间的误差比例略高于QIN算法;在野外开展与卫星遥感空间尺度一致的地表温度观测试验,QIN和SOB算法与实测值的平均绝对误差均为1.5℃;与NASA官网发布的地表温度产品对比发现,QIN和SOB算法的平均绝对误差分别为1.75℃和1.70℃;因此,QIN和SOB算法在辽宁地区均适用,而SOB算法误差较小。
简介:逐小时自动站数据对于气象灾害预警、决策服务及预报预测等十分重要。以国家级自动站小时观测气温数据为基础,分析研究小时气温数据的疑误形式,针对各种疑误数据,利用国家级台站建站以来的日最高、日最低以及4时次(北京时02、08、14时和20时)定时观测气温数据,研制形成适用于中国自动站(区域站和国家站)逐小时气温数据质量控制系统,并将此系统应用到2006--2010年中国27000多自动站小时气温观测数据中。结果表明:区域站的正确率、可疑率、错误率分别为99.43‰、2.24‰和3.45‰,国家站则分别为99.82‰、1.27‰和0.49‰;区域站和国家站数据的可疑率相当,但错误率国家站明显比区域站低一个量级。通过历史数据质量控制分析,证明自动站气温质量控制系统设计合理,可以判断出错误数据和可疑数据.旦有可用性.
简介:微波数据能有效克服云层影响,实现土壤水分的全天候遥感监测,但仅局限于土壤表层(0~5cm),无法客观反映耕作层土壤的实际干旱程度。本研究采用区间划分方法,分析逐日风云微波遥感数据(FY-3C/MWRI)反演的表层土壤水分各区间临界值与对应区间基于MODIS数据得到的温度植被干旱指数(TVDI)最大值的关系,建立2015—2016年冬小麦生育期内月尺度的FY-3C/SM-TVDI模型,初步实现冬小麦主要种植区内微波遥感监测10~20cm深度土层旱情模型。在此基础上,利用2014—2015年数据进行模型验证。结果表明,模型总体构建效果较好,大部分模拟值与真实值差异不显著(P〉0.05),10月模拟值较真实值显著偏低(P〈0.05)。