利用1979-2018年252个台站逐日降水资料和NCEP/NCAR再分析等资料,分析了江南初夏降水集中期降水(Rainfall in the Precipitation Concentrated Period,RPCP)的时空演变及其环流特征,并通过寻找其前期物理因子建立统计预测模型。结果表明...
详细信息
利用1979-2018年252个台站逐日降水资料和NCEP/NCAR再分析等资料,分析了江南初夏降水集中期降水(Rainfall in the Precipitation Concentrated Period,RPCP)的时空演变及其环流特征,并通过寻找其前期物理因子建立统计预测模型。结果表明:(1) 6月10-29日为江南初夏降水集中阶段,其降水呈现全区一致的空间分布结构。20世纪90年代初—21世纪初江南地区为多雨期,在此期间RPCP强度存在3~5 a的周期振荡;(2)与异常偏多的RPCP显著相关的热带海温异常从EP El Ni1o转为CP La Ni1a,即RPCP异常偏强通常发生在EP El Ni1o衰减阶段,随后将出现CP La Ni1a发展事件;(3)前期冬春季ENSO海温信号、赤道中太平洋SLP异常及印度洋—海洋性大陆SLP趋势均可通过增强菲律宾海反气旋对RPCP异常变化产生影响。基于这3个物理因子建立统计预测模型,预测与观测结果相关系数达0.63,说明该模型可为江南初夏降水的季节性预测提供有用工具。
针对基于稀疏不变性假设的单帧超分辨率(SR)算法的局限性,提出一种利用相似最近邻(ANN)统计预测模型的单帧SR算法。首先,利用相似最近邻思想,通过波尔茨曼机捕捉HR字典与LR字典对稀疏模式之间的依赖关系,建立统计预测模型;然后,根据LR块与HR块相关的最小均方误差(MMSE)计算网络参数,获得它们的依赖关系;最后,利用多层前向神经网络提取字典元素内积,通过计算重叠局部块预测值的均值来重建图像。利用峰值信噪比PSNR和结构相似性度量SSIM评估实验结果,实验结果表明,提出的算法在视觉效果和数值标准方面大多优于其他算法,在选择合适参数情况下,峰值信噪比至少提高0.2 d B。
暂无评论