导读:本文包含了模型订正论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:模型,数据,叶面积,青藏高原,土地利用,卡尔,冬小麦。
模型订正论文文献综述
李雪[1]（2019）在《土地利用数据集精度与CFSR降水数据订正对SWAT模型降雨径流模拟研究》一文中研究指出降水是自然界水循环的关键一环,是径流形成的关键因素,准确模拟径流对水资源合理利用、防洪减灾等方面具有重要意义。研究者常用分布式水文模型进行流域的径流模拟,其中,SWAT模型的应用非常广泛。而作为SWAT模型的基本输入数据的土地利用数据精度、降水数据对模型模拟存在一定影响,但由于地形阻隔、人力物力短缺等原因造成的雨量资料缺失或不全阻碍了相关水文模拟研究的进行。而CFSR降水数据因其获取简单、分辨率高等原因而在水文模拟中应用广泛,但在泾河上游区的适用性未得到验证。因此,为确定土地利用数据精度以及CFSR降水数据对模型水文模拟过程及其结果的影响,本文在泾川水文站以上的泾河流域采用不同精度的土地利用数据集(105m分辨率的中国1:10万土地利用数据集Land 1、1km分辨率的中国1:10土地利用数据集Land 2、1km分辨率的WESTDC土地利用数据集Land 3)、不同降水数据(订正前后的CFSR降水数据和地面雨量站数据)分别构建SWAT模型,模拟1980-1990年期间泾川水文站的月径流。将1980年为模型预热期,1981年-1986年为模型率定期,1987-1990年为模型验证期,选用E_(NS)、R~2作为模型模拟结果评价指标,分析比较各SWAT模型径流模拟结果,得出以下主要结论:(1)SWAT模型适用于泾河上游区,且Land 2数据集对应的SWAT模型模拟效果较于其他两个数据集好,在模型率定期,评价指标E_(NS)=0.75,R~2=0.76;在模型的验证期,评价指标E_(NS)=0.69,R~2=0.77;(2)土地利用数据的空间精度主要影响模型的水文响应单元划分,对水文模拟结果影响不大,即输入土地利用数据集精度与模型模拟结果之间并不是简单线性关系;(3)原始CFSR降水数据与实测地面雨量站点降水量相比精度很低,对1-3月、11月-12月的实测月降水存在高估问题,对于6-7月的实测月降水量存在降水量低估问题,即在月尺度上原始的CFSR降水数据存在高估弱降水,低估强降水现象;(4)原始CFSR用于径流模拟时模拟精度低,径流模拟结果评价指标E_(NS)<0.5、R~2<0.5,难以满足径流模拟预报的需求。(5)采用2种CFSR降水数据订正方法订正CFSR降水数据后,无论CFSR降水数据集自身的数据精度还是作为模型输入数据驱动SWAT模型后得到的模型径流模拟结果都有了较大提升,订正后的CFSR降水数据可用于泾河上游区。本研究对于泾河上游区类似流域土地利用数据集的选用、CFSR降水数据集的订正方法及其径流模拟预测具有一定参考价值。(本文来源于《西北农林科技大学》期刊2019-05-01）
张亚宁,张明军,王圣杰,杜铭霞,马荣[2]（2019）在《基于比湿订正拉格朗日模型的新疆短时强降水的水汽来源》一文中研究指出基于中国地面气象站逐小时观测资料、GDAS气象数据及2016—2017年NCEP/NCAR再分析资料,利用拉格朗日后向轨迹模型,结合比湿变化对新疆短时强降水的水汽来源进行订正。结果表明:(1)新疆的水汽主要来源于包括里海、黑海、地中海、大西洋、北冰洋和附近的内陆地区;新疆常年受西风影响,偏南西风影响较大;(2)阿尔泰-塔城森林草原自然区和准噶尔盆地荒漠自然区水汽路径总体偏北,伊犁-巴音布鲁克(中天山)自然区和哈密-吐鲁番荒漠自然区受陆地水汽源的影响更大,而塔里木盆地极端干旱荒漠自然区水汽路径总体偏南。聚类分析结果显示,阿尔泰-塔城森林草原自然区的水汽来自于欧洲,准噶尔盆地荒漠自然区的水汽主要来自于中亚、里海和蒙古高原,塔里木盆地极端干旱荒漠自然区水汽主要来自塔里木盆地、西亚、中亚和黑海;(3)经过比湿判断水汽补给情况后,气团回溯路径普遍变短,水汽主要来自中亚、黑海、里海和附近的陆地;从主要水汽源地的传输水汽平均需要3. 5 d左右,季节上表现为夏季的水汽源地最近,秋季的水汽源地较远,区域上阿尔泰-塔城森林草原自然区水汽源地最远,哈密-吐鲁番荒漠自然区水汽源地最近;(4)新疆各起始高度上的降水主要受偏北和偏南的西向气流影响,且从对水汽的贡献来看,偏北的西向气流大于偏南的。(本文来源于《干旱区研究》期刊2019年03期）
蔡宏珂,薛雅心,衡志炜[3]（2018）在《电网微气象站温度的预报订正模型研究》一文中研究指出1资料概况与研究方法电网站点的现场资料来自四川电网微气象站的观测资料,时间为2014年1月1日至2016年12月31日,输出间隔为10分钟。每个站点的观测资料包括时间、10分钟平均风速、10分钟平均风向、最大风速、极大风速、标准风速、气温、湿度、气压、降雨量、降水强度、光辐射强度等十二个参数。预报资料选取了叁种数值模式下的2m温度预报资料,叁种模式包括:欧洲中期天气预(本文来源于《第35届中国气象学会年会 S14 大数据、互联网、融媒体时代气象服务的创新与变革——第八届气象服务发展论坛》期刊2018-10-24）
李根[4]（2017）在《蒸散对气候和土地利用/覆盖变化的响应及模型异质性误差订正》一文中研究指出蒸散是地球能量平衡和水文循环中的一个主要组分,也是连接大气圈、水圈和生物圈的关键过程。及时准确地监测和了解区域蒸散的变化状况对定量人类活动对水文的影响,提高水分利用率和加强区域水资源管理等具有重要意义。近年来由于人类活动所导致的土地利用和覆盖变化以及气候变化是最重要的两个影响区域蒸散的因子。然而它们对蒸散的具体贡献仍然存在很大的不确定性。在气候变化背景下中国迅速的城市化进程和大量的生态修复使得土地利用和覆盖发生了巨大改变。所以我们迫切需要完整地了解环境变化对水资源科学管理和合理配置的影响。但是由于环境变化所导致部分区域地表异质性效应加重使得遥感区域蒸散模拟产生较大误差的问题同样不可忽视,如何解决遥感异质性误差问题也成为目前遥感蒸散估算研究中的难点问题。基于此本文对上述问题进行了研究,具体结论如下:(1)利用MODIS产品数据分析了中国2001-2013年的蒸散时空变化规律。时间上,在2001-2013年间中国的年蒸散以-0.6mm/yr的速度下降。空间上,中国多年平均蒸散呈现从西北内陆向东南沿海逐步增加的趋势。2001-2013年间在蒸散显着增加的区域主要分布在我国西北的西北部分、西南的中部地区以及中南和华东的大部分地区。(2)探明了各气候因子和土地利用和覆盖类型变化对区域蒸散的影响和贡献大小及主导因子。分析气温、风速、日照时数和相对湿度四种气候因子的变化趋势及对ET的影响贡献发现,日照时数和风速在2001-2013年间对中国蒸散的综合负贡献要大于气温对蒸散所造成的正贡献,最终导致了中国蒸散的下降趋势。在四种气候因子中日照时数是影响中国2001-2013年间蒸散变化的主导因子。2001-2013年间,森林、农田和草地在中国呈现相互转化的趋势。其中森林和农田的总体面积呈增加趋势,草地的总体面积呈减少趋势。森林转化为其他作物的对蒸散影响要远远大于其他作物转化为森林对蒸散的影响。森林砍伐对蒸散的影响效应并不能被植树造林所抵消。(3)定量分离气候变化和土地利用和覆盖变化对区域蒸散的影响,得出了中国区域影响区域蒸散的最主要因素。结果显示2000年以后中国蒸散的变化趋势与气候变化趋势更接近,总体上气候变化对中国蒸散的影响效应要明显大于土地利用和覆盖变化对蒸散的影响。本研究结果表明今后中国的高效水资源管理和植被生态系统修复工作必须考虑气候变化对蒸散和水资源可利用量的影响。(4)选择位于中国江西省的典型南方低丘农田小流域为地表异质性研究样方区域,对比了两种单层遥感蒸散模型:SEBAL和SEBS,比较了两种模型在各能量分量计算方法和模型参数选取上的差异,并利用波文比能量平衡系统/自动气象站和大孔径闪烁仪分别从单点和区域尺度来对两种单层遥感蒸散模型的模拟结果和性能进行验证。在区域尺度上,SEBAL和SEBS两种模型日蒸散模拟结果的相对精度分别为86.75%和79.32%。在单点尺度上,样区蒸散分布呈水田>果树>旱作的趋势,但是两种模型均在水稻和桔园像元上存在一定的蒸散高估现象,而在旱作像元上模拟的蒸散结果却呈现出一定程度的低估。(5)引入了线性混合像元分解模型对两种单层遥感蒸散模型进行改进,根据各植被在像元内的丰度值和一个超定方程组求出其各自的蒸散贡献,订正SEBAL和SEBS两种模型的蒸散估算结果。解决两种遥感蒸散模型在区域蒸散估算研究中由于地表异质性和混合像元所导致的误差问题。模型订正后的结果显示两种模型在水田、旱作和果树像元上的蒸散估算结果均显着提高,区域平均蒸散量统计分布更加集中且接近与实测值。SEBAL和SEBS改进后的蒸散估算相对精度分别为94.62%和89.38%。研究结果将有助于今后了解区域水文循环和能量平衡,及时准确地监测估算农业小流域不同作物的水分情况,实现水资源高效利用提供决策依据。(本文来源于《南京信息工程大学》期刊2017-06-01）
成越[5]（2017）在《基于PC-EnKF方法对耦合Burgers方程降阶模型的订正》一文中研究指出在优化设计、优化控制和反问题应用中,人们常采用模型降阶方法来构造低自由度下大规模动力系统的降阶模型,从而满足在保证一定物理精度的同时提高计算效率的要求.特征正交分解法(Proper orthogonal decomposition, POD)由于其恢复数值信息的能力而成为最常用的模型降阶方法之一.本论文首先针对一个典型的耦合Burgers方程,通过POD方法构造其在Galerkin投影下的降阶模型(Reduced-order model, ROM),并引入离散经验插值法(Discrete empirical interpolation method, DEIM)来减少降阶模型中非线性项的计算复杂性.数值求解离散化以及对POD模的部分截断会给降阶模型的数值解精度带来不可避免的损失.在提高数值精度和维持稳定性方面增加POD模数的确会在一定程度上发挥一定作用,但这会增加计算负担.因此本论文发展了一个订正的POD降阶模型,它通过对POD降阶模型分别乘以和加上一组依赖时间的不确定性参数构造而成.这样订正降阶模型就转化为高维随机空间中的参数识别问题.反问题的不适定特征使得相关计算过程具有一定的挑战性.这种情况下,我们采用了基于多项式逼近的集合卡尔曼滤波(Polynomial chaos-based ensemble Kalman Filter, PC-EnKF)方法来处理以上问题,同时引入稀疏化算法来识别出模式输入和模式输出PC展开式中系数近乎为零的基函数,这对集合卡尔曼滤波(EnKF)所需统计矩的快速计算是有帮助的.利用最终更新过的输入参数,大雷诺数Re=10000情况下耦合Burger方程的订正POD降阶模型即被建立起来.数值实验表明PC-EnKF方法在恢复求解精度方面是有效的,在订正动力系统数值解方面是可行性.PC-EnKF方法可作为一个一般的模型订正工具,在当前研究基础上有希望推广应用于更高维模型订正问题中.(本文来源于《南京信息工程大学》期刊2017-06-01）
王玉丹,南卓铜,陈浩,吴小波[6]（2016）在《基于K最近邻模型的青藏高原CMORPH日降水数据的订正研究》一文中研究指出青藏高原的降水数据主要由遥感产品和多源观测数据融合产生,由于青藏高原的观测站点分布稀疏不均,遥感数据误差较大,因此常用的CMORPH(Climate Prediction Center Morphing Technique)等降水数据集精度有限。通过K最近邻(K-Nearest Neighbor,简称KNN)模型,可以建立环境(海拔、坡度、坡向、植被)、气象因子(气温、湿度、风速)和日降水量的关系,从而订正青藏高原的CMORPH日降水数据集,提高数据精度。对CMORPH日降水数据的误差分析表明,采用KNN模型订正后的CMORPH降水数据优于原始数据和采用PDF(Probability Density Function Matching Method)法订正的CMORPH数据,且空间分布较好地符合青藏高原的降水分布特征。(本文来源于《遥感技术与应用》期刊2016年03期）
冯锐,张玉书,纪瑞鹏,武晋雯,于文颖[7]（2015）在《基于Logistic模型的春玉米MODIS LAI产品订正》一文中研究指出基于Logistic模型,利用2011—2013年辽宁省实测的叶面积指数和作物发育期数据,构建回归模型对MODIS LAI产品进行订正及效果检验。以抽雄期为分界线,分2个时段构建Logistic模型,对春玉米的全生育期进行模拟,利用模拟结果建立MODIS LAI产品的多种订正模型,其中二次多项式模型相关性最好,决定系数达到0.975。利用2013年实测数据对订正模型进行检验,在抽穗期和乳熟期将MODIS LAI产品监测误差从45%降低到10%左右,为提高MODIS LAI产品在中国北方地区旱田的适用性和反演精度提供数据基础。(本文来源于《农学学报》期刊2015年10期）
葛道阔,曹宏鑫,张利华,葛淑芬[8]（2013）在《基于干旱涝渍胁迫的WCSODS模型订正与检验》一文中研究指出利用淮河流域安徽宿州和寿县、江苏兴化、河南郑州2010～2012年小麦大田和盆栽的水分胁迫控制试验资料,获取小麦栽培模拟优化决策系统(WCSODS)中相关子模型的参数,并对干旱和涝渍胁迫订正因子的算法进行了检验。结果显示,模型对干旱和涝渍环境下净光合速率、根冠比、叶面积的模拟效果较好,其决定系数分别为0.872～0.922、0.824～0.904和0.965～0.982,说明模型的干旱和涝渍订正结构合理,参数选值准确。对比模拟产量和实测产量,其决定系数也达到了0.810～0.820,绝对平均误差(MAE)和均方差根(RMSE)分别为0.382～0.436和0.265～0.502。表明订正后的模型有较好的模拟能力,更能适应淮河流域小麦生产的需要。(本文来源于《江苏农业学报》期刊2013年03期）
李世萍,孔令彬,肖玮,田梦,张文煜[9]（2013）在《基于BP神经网络的风速观测资料序列订正模型》一文中研究指出利用甘肃省河西地区敦煌、酒泉、民勤3个站点2004-2007年自动观测与同期人工观测系统的风速观测资料,采用BP神经网络建立了人工观测风速观测资料序列的订正模型,并进行了模拟效果检验.结果表明:利用BP神经网络建立的订正模型能对风速观测资料进行较高精度的订正,3个站点风速拟合差值相对于原差值明显减小,订正结果与自动观测资料的相关系数均在0.90以上.各个站点的平均相对误差较小,在12%以下,且订正模型的稳定性和可扩展性较好;各个站点的平均相对均方根差为3.20～3.84,效果良好,可为建立均一性时间序列的风速观测资料提供参考.(本文来源于《兰州大学学报(自然科学版)》期刊2013年03期）
吴祝慧,韩月琪,王成林,黄娟[10]（2012）在《污染模型中参数订正的集合Kalman滤波扩展状态变量法》一文中研究指出污染模型中不确定参数的精确订正对于提高模型的精度有着重要的意义。在集合Kalman滤波(EnKF)同化方法的基础上,提出了对模型中不确定参数进行订正的EnKF扩展状态变量法,将不确定参数看成和模型状态变量一样的量,根据观测资料对不确定变量进行订正,以达到订正参数的目的。采用一个简化的空气质量方程,对模型参数订正方案进行检验,结果证明提出的方案可行和有效。同时发现,随着观测资料精度的提高,无论是参数还是模型的状态变量,估计分析值的精度也得到相应的提高。(本文来源于《环境监控与预警》期刊2012年03期）
模型订正论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
基于中国地面气象站逐小时观测资料、GDAS气象数据及2016—2017年NCEP/NCAR再分析资料,利用拉格朗日后向轨迹模型,结合比湿变化对新疆短时强降水的水汽来源进行订正。结果表明:(1)新疆的水汽主要来源于包括里海、黑海、地中海、大西洋、北冰洋和附近的内陆地区;新疆常年受西风影响,偏南西风影响较大;(2)阿尔泰-塔城森林草原自然区和准噶尔盆地荒漠自然区水汽路径总体偏北,伊犁-巴音布鲁克(中天山)自然区和哈密-吐鲁番荒漠自然区受陆地水汽源的影响更大,而塔里木盆地极端干旱荒漠自然区水汽路径总体偏南。聚类分析结果显示,阿尔泰-塔城森林草原自然区的水汽来自于欧洲,准噶尔盆地荒漠自然区的水汽主要来自于中亚、里海和蒙古高原,塔里木盆地极端干旱荒漠自然区水汽主要来自塔里木盆地、西亚、中亚和黑海;(3)经过比湿判断水汽补给情况后,气团回溯路径普遍变短,水汽主要来自中亚、黑海、里海和附近的陆地;从主要水汽源地的传输水汽平均需要3. 5 d左右,季节上表现为夏季的水汽源地最近,秋季的水汽源地较远,区域上阿尔泰-塔城森林草原自然区水汽源地最远,哈密-吐鲁番荒漠自然区水汽源地最近;(4)新疆各起始高度上的降水主要受偏北和偏南的西向气流影响,且从对水汽的贡献来看,偏北的西向气流大于偏南的。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
模型订正论文参考文献
[1].李雪.土地利用数据集精度与CFSR降水数据订正对SWAT模型降雨径流模拟研究[D].西北农林科技大学.2019
[2].张亚宁,张明军,王圣杰,杜铭霞,马荣.基于比湿订正拉格朗日模型的新疆短时强降水的水汽来源[J].干旱区研究.2019
[3].蔡宏珂,薛雅心,衡志炜.电网微气象站温度的预报订正模型研究[C].第35届中国气象学会年会S14大数据、互联网、融媒体时代气象服务的创新与变革——第八届气象服务发展论坛.2018
[4].李根.蒸散对气候和土地利用/覆盖变化的响应及模型异质性误差订正[D].南京信息工程大学.2017
[5].成越.基于PC-EnKF方法对耦合Burgers方程降阶模型的订正[D].南京信息工程大学.2017
[6].王玉丹,南卓铜,陈浩,吴小波.基于K最近邻模型的青藏高原CMORPH日降水数据的订正研究[J].遥感技术与应用.2016
[7].冯锐,张玉书,纪瑞鹏,武晋雯,于文颖.基于Logistic模型的春玉米MODISLAI产品订正[J].农学学报.2015
[8].葛道阔,曹宏鑫,张利华,葛淑芬.基于干旱涝渍胁迫的WCSODS模型订正与检验[J].江苏农业学报.2013
[9].李世萍,孔令彬,肖玮,田梦,张文煜.基于BP神经网络的风速观测资料序列订正模型[J].兰州大学学报(自然科学版).2013
[10].吴祝慧,韩月琪,王成林,黄娟.污染模型中参数订正的集合Kalman滤波扩展状态变量法[J].环境监控与预警.2012
论文知识图
