公共文化服务平台

许剑辉: 作品数：11 被引量：45H指数：4; 供职机构：武汉大学测绘遥感信息工程国家重点实验室更多>>; 发文基金：国家自然科学基金湖北省自然科学基金地理空间信息工程国家测绘地理信息局重点实验室开放研究基金更多>>; 相关领域：天文地球自动化与计算机技术环境科学与工程农业科学更多>>

合作作者

基于GIS的东北三省气温降水空间自相关性分析被引量：8: 2014年; 创新性地提出了基于两观测站点连线的垂直平分线构建空间连接矩阵,进一步计算空间自相关指数Moran＇s I 来分析气象数据的空间分布模式.利用Moran’s I 分析探讨了东北地区86 个气象站1951～2011 年气温降水数据的空间自相关.结果表明,东北三省气温降水存在显著的空间聚集现象,降水表现为吉林省北部显著低低聚集,吉林辽宁省东部显著高高聚集,气温表现为东北三省南北区域显著聚集;1960～2011 年气温分布较降水表现出更强的空间自相关性,且随年份变化自相关性稳定程度比降水好;气温分布空间自相关性随时间有减弱趋势, 但仍表现出区域显著聚集强相关现象.; 郑兴文舒红许剑辉; 关键词：东北三省气温降水空间自相关

顺序数据同化算法的敏感性分析被引量：2: 2015年; 为了探讨不同同化指标对顺序数据同化的影响,选择En KF,DEn KF,En SRF三种经典的顺序同化算法,结合Lorenz-1963模型进行敏感性实验分析,研究同化总时间、同化步长、集合成员数、方差膨胀因子、观测数目和局地化半径等指标对同化结果的影响。实验表明:同化总时间、同化步长、集合成员数、方差膨胀因子、观测数目和局地化半径对同化结果有直接的影响,基于En KF的改进算法在有限范围内是优于En KF的;当达到一定条件时,以上所有方法的同化结果趋于相同。研究结果对于实际应用中的最优顺序同化算法选择具有指导意义。; 韩培舒红许剑辉; 关键词：集合卡尔曼滤波

2000-2010年新疆雪灾时空自相关分析被引量：10: 2014年; 对新疆2000-2010年雪灾监测数据进行统计分析,利用时空自相关方法对新疆雪灾进行时空自相关分析,探讨了雪灾的时空演变特征。研究结果表明,新疆雪灾主要发生在1月和2月,分布在北疆地区;不同时间尺度的雪灾的发生具有显著的空间自相关性,呈现显著的聚集模式;雪灾高聚集的区域主要集中在北疆,而雪灾低聚集的区域主要分布在南疆;对相邻的月份来说,上一月份发生的雪灾对下一月份的雪灾有直接影响,即上一个月雪灾高聚集的区域在下一个月也很有可能是雪灾高聚集的区域;随着两个月份相隔的时间越长,上月份的雪灾对下月份雪灾的影响不大。; 许剑辉舒红刘艳; 关键词：雪灾 I

基于MODIS雪盖数据的北疆雪深多元非线性回归克里金插值被引量：4: 2015年; 为了提高北疆地区雪深时空分布监测的准确性,以该区域48个气象站点2006年12月—2007年1月的月平均雪深观测数据为基础,通过分析月均雪深空间自相关性及其与经纬度、高程的相关性,结合MODIS雪盖数据构建了多元非线性回归克里金插值方法,插值获得了北疆地区较高精度的雪深空间分布数据。将插值雪深数据与普通克里金插值法、考虑高程为辅助变量的协同克里金插值法的预测结果进行比较,结果表明:1相对普通克里金和协同克里金方法,多元非线性回归克里金法的12月份雪深预测精度分别提高了15.14%和9.54%,1月份的提高了4.8%和6.7%;2由于充分利用了经纬度和地形信息,多元非线性回归克里金法的雪深预测结果可提供更多细节信息;3预测结果客观地表达了雪深随经纬度和地形变化的趋势,反映了积雪深度的空间变异性;4基于不显著相关的协变量高程的协同克里金插值法预测的雪深数据精度劣于普通克里金插值法的预测结果。; 许剑辉舒红李杨; 关键词：雪深

EnKF同化的背景误差协方差矩阵局地化对比研究被引量：10: 2014年; 在集合数据同化中,背景场误差的协方差估计特别重要。通常有限个成员的集合在估计背景误差协方差矩阵时会引入伪相关,从而造成协方差被低估、滤波发散。虽然协方差膨胀的经验性方法能一定程度缓解协方差被低估的问题,但不能消除协方差的伪相关问题。因此,结合EnKF方案探讨2种消除伪相关的局地化方法(协方差局地化方法和局地分析方法),分析这2种局地化方法对背景误差协方差矩阵、增益矩阵、集合转换矩阵以及同化结果的影响。实验结果表明:局地化方法不仅能消除背景误差协方差矩阵的伪相关,还可以增加背景误差协方差矩阵的秩;在"弱"同化强度下,2种局地化方法的增益矩阵和集合转换矩阵相等;随着同化强度的增大,增益矩阵和集合转换矩阵的差异会变大;在不同的同化强度下,2种局地化方法各具特色,相对而言,协方差局地化方法在更新集合均值和集合扰动上具有较强的鲁棒性。研究结论有助于背景场误差协方差的精细分析和估计。; 韩培舒红许剑辉; 关键词：ENKF

基于Triple-Collocation的地面观测与卫星遥感数据融合的雪深反演被引量：8: 2015年; 针对单一被动微波遥感反演雪深的精度和空间分辨率不足的问题,提出了一种星-地多源数据融合的雪深反演方法。以北疆每日站点观测雪深、AMSR-E遥感反演雪深和SSM/I遥感反演雪深数据为研究对象,首先利用地统计方法结合地面站点观测数据估计北疆区域的雪深,然后采用Triple-Collocation方法分别估计三个雪深数据的误差方差,最后结合最小二乘原理实现星-地雪深观测数据的融合。对融合雪深与地面雪深观测数据进行验证分析,结果显示,与AMSR-E和SSM/I遥感反演雪深相比,融合的雪深与地面观测雪深的相关性更高;融合的雪深的精度有一定程度的提高。实验结果证明了多源数据融合方法的有效性。; 许剑辉舒红; 关键词：SSM/I 数据融合

多源积雪数据到通用陆面模式的混合DEnKF同化方法及其应用: 陆面积雪是地球气候系统的重要组成部分,在水文过程、陆面能量收支平衡以及气候过程等方面扮演着重要的角色。新疆北疆阿勒泰地区地处欧亚大陆中心腹地,是新疆重要的农业和畜牧业基地,也是我国重要的季节性积雪区。积雪对阿勒泰地区非常...; 许剑辉; 关键词：雪深反照率; 文献传递

局地化方法在集合转换卡尔曼滤波同化的适用性研究被引量：4: 2016年; 为了探索协方差局地化(Covariance Localization,CL)方法在集合转换卡尔曼滤波(Ensemble Transform Kalman Filter,ETKF)同化的适用性,本文在理论上分析了CL方法应用于ETKF同化存在的困难,发展了一种适用于ETKF同化的对集合扰动进行舒尔积运算的近似CL方法,并结合Lorenz-96模型对近似CL方法的适用性及其对同化结果的影响进行了分析。研究结果表明:CL方法不仅能消除背景误差协方差矩阵中的伪相关,还能增加背景误差协方差矩阵的秩,但CL方法并不能直接用于ETKF同化;近似CL方法可应用于ETKF同化中,但近似舒尔积破坏了ETKF同化系统的动态平衡,导致同化结果误差较大;与CL方法相反,局地化分析(Local Analysis,LA)方法可直接应用于ETKF同化,并能较好地消除ETKF同化的背景误差协方差矩阵的伪相关,获得较优的同化结果。; 韩培舒红许剑辉王建林; 关键词：同化

基于CoLM模式的干旱区土壤湿度模拟试验与误差分析: 2018年; 以典型干旱区新疆于田绿洲为研究区,基于CoLM模式的点模拟方式模拟了研究区土壤湿度状况,利用地面监测数据对模拟结果进行了对比验证,对模型模拟误差进行了分析。研究结果表明,CoLM模式模拟的表层土壤湿度状况与地面监测土壤湿度数据有显著且有较好的相关性,CoLM模型用于干旱区土壤湿度模拟具有一定适宜性,但模拟精度需要进一步提高。模拟结果误差分析表明地下水位和土壤蒸散发量对研究区土壤水分时空变化影响显著,这是影响该区域CoLM模式土壤湿度模拟精度的主要因素。; 江红南许剑辉; 关键词：土壤湿度误差分析干旱区

基于DEnKF的背景误差协方差局地化和协方差膨胀研究被引量：1: 2016年; 尽管DEnKF同化不会引入观测采样误差,但小集合仍会造成背景误差协方差矩阵存在伪相关,出现滤波发散。为了减少小集合对数据同化结果的影响,结合Lorenz96模型和DEnKF同化方案分析了协方差局地化和协方差膨胀方法对背景误差协方差矩阵、增益矩阵及同化结果的影响。实验表明:协方差局地化方法能消除背景误差协方差矩阵和增益矩阵中的伪相关,增大背景误差协方差矩阵的秩,有助于滤波算法收敛到真实解;而协方差膨胀方法不能消除背景误差协方差矩阵和增益矩阵中的伪相关,只能改善在每个同化周期内背景误差协方差系统性被低估的现象;同化过程中采用合适的局地化半径和方差膨胀因子能够较好地改善同化结果的精度。; 韩培舒红许剑辉; 关键词：数据同化

许剑辉

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

许剑辉

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈