中低纬度Pc3-4地磁脉动特性研究——子午工程数据分析初步结果

利用新建成的子午工程地磁台站数据,对比分析了地磁平静期间(2011年3月20-27日)和磁暴期间(2011年9月25日至10月1日)Pc3-4地磁脉动的时空分布特征及其对行星际条件的响应.数据分析结果表明,中低纬度(1.3<L<2.3,L为磁壳参数)的Pc3-4地磁脉动在这两个时期内的分布存在明显的晨昏不对称性,在昼侧前出现明显的Pc3-4地磁脉动并与行星际上游波动密切相关,其振幅增强可能与太阳风动压脉冲相关,高速太阳风更易导致Pc3-4地磁脉动;而对于近赤道低纬(L<1.3)区域,无论是在地磁平静期还是磁暴期均未能观测到Pc3-4地磁脉动,Pc3-4地磁脉动存在明显的纬度效应.     

基于树模型机器学习方法的GNSS-R海面风速反演

GNSS-R是基于GNSS卫星反射信号的一种新技术.GNSS-R技术可以运用到海面风场反演中,传统的GNSS-R技术反演海面风场主要有波形匹配和经验函数两种方法,风速反演精度约为2m·s^-1.波形匹配方法耗时多,计算量大;经验函数方法通常只使用少量物理观测量,会造成信息浪费,损失一定的反演精度.为了提高海面风速的反演精度,引入机器学习领域常用的树模型算法决策树、随机森林、GBDT等对海面风速进行预测.利用GNSS-R与ECMWF数据构成训练集和验证集,训练集用于模型学习,验证集用于检验模型的反演效果.实验结果显示,决策树和随机森林预测误差约为0.6m·s^-1,GBDT等算法的预测误差约为2m·s^-1,满足风速反演要求.与GNSS-R传统反演方法相比,机器学习树模型算法效果更好,在验证集上表现稳定且误差较小.因此,可以将机器学习树模型算法运用到海面风速反演中.     

基于Fabry-Perot干涉仪气辉观测数据反演中性风速方法比较

利用半径法、完整傅里叶级数描述法和非线性回归法分别对安装在河北省境内国家天文台兴隆园区（40.2°N,117.4°E）的Fabry-Perot干涉仪（FPI）获得的地基中高层大气气辉观测数据进行风速反演.反演结果表明,半径法、完整傅里叶级数描述法和非线性回归法均能很好地反演风速,在误差范围内反演结果存在很好的一致性.相对于半径法和完整傅里叶级数描述法,非线性回归方法更完整地利用了观测数据信息,反演结果可信度较高.     

远磁尾磁层顶位形的偏转

利用WIND和ARTEMIS卫星观测数据,分析远磁尾磁层顶对行星际和太阳风变化的响应,尤其是偏离日地连线的太阳风速度改变对远磁尾磁层顶的影响.研究发现在2011年9月13日的事件中,P2卫星观测到高速且高密度的磁鞘流.利用最小变量法进行分析发现,磁层顶沿着偏离日地连线的太阳风速度方向发生偏转.根据相似三角形定理,推断出本次事件中磁层顶在y方向和z方向上的偏转幅度分别达到10R_e和6R_e.P1和P2卫星的相对位置也证实了这一观点.因此,偏离日地连线的太阳风速度对远磁尾磁层顶的位形影响很大.研究结果可为建立包含太阳风速度v_y和v_z效应的磁层顶模型提供观测证据.     

根据行星际闪烁(IPS)的双频互谱估计太阳风速度

本文讨论了观测频率为232MHz和327MHz时,利用互谱的方法估计太阳风速度的可能性、考虑路径积分效应,结果表明在17°≤ε≤50°范围内,对于几种可能的太阳风速度分布,由互谱所得结果与太阳风速度值差别小于15%.     

海洋运动对台风过境全过程水平风速特性的影响

现行台风模型大多采用基于有限实测数据修正的工程经验模型,忽略了波浪、海流等海洋运动与其水平风速之间的实时耦合作用.为揭示海洋运动对台风过境全过程的影响机制,基于MCT耦合器,采用中尺度WRF大气模型、第三代浅海海浪SWAN模型以及三维水动力FVCOM模型,建立了大气-海洋-海浪(W-S-F)的实时耦合模拟平台.在此基础上,模拟了台风"莫兰蒂"过境全过程海洋环境时空演变,对比分析了W-S-F耦合平台与非耦合WRF模式下台风过境全过程的差异性,最终提炼出海洋运动对水平风速特性的影响规律.结果表明:本文提出的W-S-F耦合平台可以准确模拟考虑海洋运动的台风过境全过程风速场;低空处海洋运动促进台风水平风速发展,且随高度增加影响逐渐减小,高空处海洋运动对台风水平风速产生抑制作用,且这种消耗随高度增大而加强;在台风整个发展周期,海洋运动对低空台风强度的影响呈现先促进后抑制规律,随着高度增加逐渐形成相反特点.     

多点静压落差法在风洞稳速压控制系统中的分析与应用

先介绍了两种测量风洞稳速压控制系统风速反馈值的常用方式-单点风速测量法和多点静压落差法,并对其特点和应用场合进行了分析;然后对多点静压落差法进行数学建模,给出了静压落差与风洞试验段中心点风速的关系;最后用一个工程实例说明此方法在实际风洞设计中的应用。     

基于BP神经网络的GNSS-R海面风速反演

针对GNSS-R进行海面风速反演过程中时频域相关物理量较多，数据耦合性强等问题，提出了基于反向传播（BP）神经网络反演海面风速的方法。建立反演过程中相关观测量与风速的对应关系，选取多观测量作为输入，对输入数据进行处理，设置神经元与激励函数，使用BP神经网络自适应调整拟合参数，将风速作为神经网络输出端的特征量提取。反演结果，风速≤ 20 m/s时，反演均方根误差RMSE=1.21 m/s，风速>20 m/s时反演均方根误差RMSE=2.54 m/s，反演结果优于使用时延相关曲线前沿斜率（LES）和时延多普勒相关功率均值（DDMA）方法得到的反演结果，且迭代次数较少，复杂度较低，证明该方法可以应用于GNSS-R海面风速反演。     

空气流速和自热效应对湿度传感器测量准确度的影响

通过对多种典型型号湿度传感器在不同空气流速条件下对同一相对湿度测量结果的变化的实验研究,得出了0～1.5 m/s流速范围内湿度传感器的示值随流速的变化趋势,即示值随流速增大而增大,总变化量最大达2%RH以上,且变化主要发生0.5 m/s以下的低流速情况下,同时传感器表面温度随流速增大而降低,两者变化趋势相互吻合。进一步分析表明,上述现象是湿度传感器的自热效应和空气与传感器之间的对流换热效应共同作用的结果,它给湿度传感器的测量结果带来新增不确定度。     

影响航空安全的“隐形杀手”——低空风切变

目前，国际航空和气象界均已公认低空风切变（通常指近地面600米高度以下空气层中风向风速突然变化的现象）是飞机起飞和进近着陆阶段的危险因素，常规的探测手段无法探测到低空风切变内部细微的结构，因此，低空风切变已经成为影响航空安全的“隐形杀手”。[第一段]