公共文化服务平台

李显风: 作品数：34 被引量：282H指数：11; 供职机构：江西省气象信息中心更多>>; 发文基金：国家自然科学基金国家高技术研究发展计划江西省气象局重点科研项目更多>>; 相关领域：天文地球自动化与计算机技术农业科学水利工程更多>>

合作作者

CLDAS土壤湿度模拟结果及评估被引量：46: 2017年; 中国气象局陆面数据同化系统(CLDAS V1.0)由陆面驱动数据融合和陆面模式模拟两部分组成。基于驱动数据,选取Canmunity Land Model 3.5(CLM3.5)作为CLDAS V1.0系统的陆面模式进行模拟试验,并对土壤模拟结果进行评估。利用2013年经过质量控制的中国气象局业务化自动土壤水分观测站实况数据、青藏高原试验观测数据及国际同类产品对模拟结果进行评估,结果表明:从各省以及全国平均结果看,相关系数普遍在0.8以上,偏差基本为-0.04~0.04 mm^3·mm^(-3),平均均方根误差为0.04~0.05 mm^3·mm^(-3),在青藏高原地区与国际同类产品相比,精度也有一定提高。总体而言,模拟结果已达到较高精度,数据集产品对中国区域干旱监测等具有重要意义。; 韩帅师春香姜立鹏张涛梁晓姜志伟徐宾李显风朱智林泓锦; 关键词：陆面模式土壤湿度干旱监测

基于MODIS反演的2000-2011年江西省植被叶面积指数时空变化特征被引量：12: 2013年; 叶面积指数(LAI)是陆地植被的重要结构参数之一,是陆地生态系统生产力模型和气候、水文、生物地球化学等模型的关键输入参数。笔者基于MODIS-MOD09A1反射率数据,利用4-尺度几何光学模型反演了2000—2011年江西省植被LAI。结果表明:(1)江西省植被LAI呈现出明显的季节变化,1年中1—2月LAI值较低(最低为1月,平均值为0.85),3—4月随着植被生长,LAI值逐渐增大,到6—8月,LAI达到最大值,最大值为7月的4.8,约为最小月份平均值的5.6倍,9月以后,LAI值逐渐减少;(2)2000—2007年江西全省生长季LAI呈增加趋势,2008—2011年LAI平均值呈下降趋势,2000—2011年全省生长季LAI平均值呈下降趋势,平均下降0.048;(3)江西省不同植被类型的LAI值差异较大,2000—2011年间,各植被类型LAI平均值从大到小顺序为:常绿针叶林(5.67)、常绿阔叶林(4.57)、混交林(4.01)、落叶阔叶林(3.17)、农作物/自然植被混合(2.08)、高郁闭度灌木(1.92)、农作物(1.85)。2000—2011年江西全省植被LAI的平均值为3.60。; 吴国训阮宏华李显风居为民耿君; 关键词：叶面积指数遥感反演

基于消息调度的江西省天气雷达拼图技术方法被引量：1: 2021年; 为提高多普勒天气雷达资料处理效率,基于消息中间件技术、数据缓存等技术,开展了雷达资料处理与组网拼图技术应用研究。采用RabbitMQ消息中间件,实现雷达资料质量控制、网格化处理、数据缓存等实时调度处理。采用多进程技术,实现雷达资料组网拼图和可视化绘制。在此基础上,构建分布式并行业务运行系统,对江西省8部多普勒天气雷达进行组网拼图处理,实时制作时空分辨率分别为6 min和0.01°的雷达拼图产品。基于消息的雷达拼图技术显著提高了数据处理时效,满足了天气监测预警等精细化气象业务服务需求。; 李显风邓卫华袁正国胡丽丽周雪莹; 关键词：天气雷达消息中间件数据缓存

地表覆盖分类数据对区域森林叶面积指数反演的影响被引量：19: 2010年; 以江西省吉安市为研究区,将5种全球地表覆盖分类数据(包括美国地质调查局(USGS)、马里兰大学(UMD)和波士顿大学(BU)生成的3套数据和欧洲生成的2套数据)以及由TM影像生成的区域地表覆盖分类数据,分别与MODIS1km反射率资料结合,利用基于4尺度几何光学模型的LAI反演方法生成研究区的LAI。在1km和4km两种尺度上将反演的LAI与TM资料生成的LAI进行比较,评价地表覆盖分类数据对LAI反演结果的影响。结果表明,TM和欧洲太空局的GLOBCOVER地表覆盖分类数据用于反演LAI的结果较好,在1km尺度上,反演的LAI与统计模型估算的TMLAI相关的R2分别为0.44和0.40,在4km尺度上的R2分别为0.57和0.54;其次为波士顿大学的MODIS地表覆盖分类数据,据其反演的LAI与TMLAI相关的R2在1km和4km尺度上分别为0.38和0.51;而马里兰大学的UMD和欧洲的GLC2000地表覆盖分类数据会导致反演的LAI存在较大误差,据其反演的LAI与TMLAI之间的一致性较差,在1km和4km两种尺度上平均偏低20%左右;LAI的反演结果对聚集度系数具有强的敏感性。该研究表明,为了提高区域/全球LAI反演精度,需要有高质量的地表覆盖分类数据。; 李显风居为民陈姝周艳莲; 关键词：叶面积指数地表覆盖反演精度

基于BP神经网络的气象云资源调度系统被引量：8: 2018年; 人工调度气象云资源会造成资源浪费。本文设计一种基于BP神经网络的气象云资源调度系统。该系统使用BP神经网络学习虚拟机负载历史数据,并对其进行预测;基于预测的虚拟机负载,设计一种面向多类资源的虚拟机非增排序策略;使用首次适应算法对排序后的虚拟机进行云资源调度。该系统在江西省气象云平台中进行了实验和功能验证。; 杨立苑胡佳军李显风周雪莹邹海燕; 关键词：资源调度 BP神经网络

不同叶面积指数遥感反演方法对红壤丘陵区森林的适用性分析被引量：4: 2011年; 利用Landsat TM遥感影像和同期的叶面积指数(LAI)观测数据生成了江西省泰和县30 m LAI图。据此比较了基于4-尺度几何光学模型反演的LAI和MODIS LAI的质量。结果表明,基于4-尺度几何光学模型反演的LAI和MODIS LAI存在着明显的差异,两者相关的R2为0.312 5,在1 km尺度两者的平均值比TM LAI的平均值分别偏低14.0%和11.7%;在LAI低值区,MODIS LAI偏高,基于4-尺度几何光学模型反演的LAI偏低,而在LAI的高值区(LAI>6.0),MODIS LAI和基于4-尺度几何光学模型反演的LAI都偏低,MODIS LAI的偏低尤为明显,达31.4%。; 陈崇朱延君李显风居为民; 关键词：叶面积指数植被指数 MODIS LAI

基于格点场的江西省气象和水文降水资料对比分析被引量：9: 2020年; 应用反距离权重插值法,将2019年4—6月江西省气象部门自动气象站和水利部门自动雨量站逐小时降水观测数据,分别转换为分辨率为0.05°×0.05°格点降水资料,以对比分析两种观测系统降水资料的相关性、误差及其时空变化规律。结果表明:1)气象、水文降水量格点场具有显著相关关系,其中中度及以上相关的格点数占总数的99.54%;两者的平均相关系数为0.93,平均均方根误差为0.56 mm/h,绝对误差为0.13 mm/h,误差为-0.01 mm/h;气象与水文降水总量平均差异在-4%左右。2)出现零星或短时降水时,气象、水文小时降水量格点场相关性差异较大;而出现系统性降水过程时,两者表现为高度相关。逐时格点平均降水量,在系统性降水的初期和结束期气象类高于水文类,而持续期水文类高于气象类,两者差异在-6%—6%以内。3)气象、水文降水资料在时间和空间分布上具有较好的一致性,对两者的融合应用可以明显提高站点密度,站网分布更合理,能更准确地反映过程降水的时空变化。; 黄少平赖亮刘海燕李显风王钰; 关键词：降水资料气象站水文站

融合多种机器学习模型的2 m气温空间降尺度方法: 2023年; 高分辨率气象资料是精细化气象业务服务的重要数据基础,文章利用2020年1月—2021年3月逐小时的2 m气温网格数据,选取海拔、经度、纬度等地形因子,综合应用LightGBM(LGB)、XGBoost(XGB)、梯度提升树(gradient boosting tree,GBT)和随机森林(random forest,RF)4种机器学习方法,实现1 km分辨率的2 m气温网格数据降尺度至100 m,并对4种机器学习降尺度结果进行加权融合。将不同模型降尺度结果与双线性插值结果对比,结果表明:各降尺度模型结果与站点观测值较为一致,LGB,XGB和RF模型与双线性插值降尺度结果空间结构相似,但更为精细;各降尺度模型具有相同的时空误差分布特征,与双线性插值结果相比,LGB,XGB和GBT的数据精度均有明显提高,均方根误差(root mean square error,RMSE)分别降低了5.2%,4.1%和4.6%,而加权融合后的RMSE降低了5.9%,优于单一机器学习模型;LGB,XGB和GBT模型对不同地形条件下的降尺度结果均具有一定改善,尤其对高海拔地区(海拔在600 m以上)的改进效果更为显著,LGB,XGB和BGT和融合模型的相关系数分别提高了0.45%,0.40%,0.63%和0.66%,RMSE分别降低了9.1%,8.0%,12.7%和13.1%。研究显示,多种机器学习加权融合的降尺度模型兼顾了提升空间分辨率和保持数据精度两方面的要求,适用于研究区2 m气温数据的降尺度研究,为研制高分辨率数据产品具有一定参考意义。; 李显风袁正国邓卫华杨立苑周雪莹胡丽丽; 关键词：降尺度加权融合

基于CIMISS接口的数值模式产品可视化研究: 数值模式产品是现代天气预报业务中重要的数据基础,CIMISS建立了统一的数据环境,并以数据接口方式提供对数值模式产品快速访问。本文基于CIMISS数据环境,利用CIMISS数据接口获取欧洲中心数值预报、日本数值预报、T6...; 李显风胡佳军何瑶邓卫华; 关键词：数据接口可视化; 文献传递

江西省气象-水文-雷达小时雨量信息融合试验结果分析被引量：6: 2020年; 利用2019年5-6月江西省气象站、水文站降水数据与江西省雷达估测降水产品(QPE),采用多重网格变分分析方法(STMAS),开展1 km×1 km逐小时气象、水文、雷达雨量信息融合试验,并对试验结果进行了分析评估。结果表明:三种来源的观测降水具有相似的空间分布特征,其强降水落区、降水分布形态高度一致;与观测降水相比,不同融合试验结果具有一致的变化趋势,但均存在一定程度的低估,而融合了水文站降水的试验结果,其低估程度明显改善;独立检验结果显示,融合了水文站降水的试验结果在各降水量级的准确性均有明显改进,其相关系数提高了9.2%,均方根误差和平均绝对误差分别降低了14.3%和12.1%;进一步融合水文站降水后,对不同地形条件下的降水融合效果均有显著改善,海拔高度在800 m以上的地区,其相关系数提高8.8%,均方根误差降低14.1%。; 李显风张玮黄少平邓卫华周雪莹; 关键词：小时降水气象站水文站

李显风

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

李显风

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