探地雷达数据可视化方法

采用文件映射降低大数据量探地雷达(GPR)数据显示对计算机内存的需求,同时使GPR数据可以当作一维数组进行数据处理,方便对数据的随机、实时访问;应用直接写位图、视区分割的成图方案,实现对GPR数据的实时显示;通过位图调色板实现GPR数据调色板,灵活应用该技术可使本来需要对原始数据进行大量运算的算法通过调整调色板实现,提高了GPR数据处理的速度。     

三工河流域222团竖井排灌区潜水动态分析

222团地处三工河流域冲洪积细土平原下游,40多年来的农业生产灌溉,使灌区大部分地区处于潜水临界埋深以上,土壤次生盐渍化加剧.分析了灌区潜水埋深动态特征及其影响因素,就竖井排灌区地下水开采量与潜水埋深关系进行回归分析计算,建立了开采量预测模型.     

一个简单海气耦合模式预报性能评估

对改进初始强迫风场后的Zebiak-Cane海气耦合模式预报性能进行了全面评估。结果表明：1）耦合模式在20世纪90年代预报能力小于80年代；提前0～5个月的耦合模式预报能力小于同期持续预报能力，之后则相反；耦合模式对Nino3区指数预报能力最强。2）在1997／1998年El Nino事件期间，耦合模式对东太平洋SSTA场预报能力大于其对中西太平洋SSTA场的预报能力，且提前0～2个月之后的耦合模式对东太平洋SSTA场预报能力远远大于持续预报。     

GPS高程转换系统的研究及其应用

主要就GPS高程转换进行研究，对二次曲面模型、多面函数模型、神经网络模型等进行了研究，研制开发了具有数据输入、编辑、计算、分析与输出功能的GPS高程拟合转换系统，最后通过实例计算分析，验证了该系统的可靠性与可行性。     

登陆台风Winnie(1997)的数值模拟研究Ⅱ:结构演变特征分析

利用“登陆台风Winnie(1997)的数值模拟研究Ⅰ”的数值模拟结果 ,讨论了Winnie(1997)台风在登陆后变性阶段和重新加强阶段的环流、动力和热力结构特征以及演变过程。在结构上 ,变性阶段主要完成了从基本对称的垂直分布到斜压非对称分布的转换。在变性阶段的初期 ,热力和动力以及环流结构上都还留有一些热带气旋的影子 ,但是在强度和空间分布上已经发生了明显的变化 ,同时也反映了台风登陆后由于下垫面的变化 ,使来自海面的暖湿水汽输送呈明显的不对称分布 ,导致热力结构上的不对称分布。到变性阶段的后期 ,无论从环流结构还是动力结构上 ,都形成了和冷暖锋相对应的倾斜分布特征 ,并且和冷空气对应的锋区在低层侵入到气旋中心 ,使热带气旋经过变性阶段最终演变为锋面气旋。在重新发展阶段 ,通过与西风带低槽的结合 ,变性后的气旋获得了重新发展的机会。并且在此过程中得到了一次来自附近洋面的高暖湿能量的输送 ,也为发展提供了有利的条件 ,使变性后的气旋进一步加强为成熟的温带气旋。     

胜利油田孤岛油区馆陶组上段沉积结构单元

结构单元分析法(Architectural-Element Analysis)作为一种比较成熟的研究方法,已广泛应用于古代河流沉积研究.本文首次根据钻孔资料分析胜利油田孤岛油区馆陶组上段5～1+2砂层组河流沉积的结构单元.该段5～1+2砂层组岩石类型简单,可分为11个岩相类型.根据界面特征、岩相组合、内部几何形态、外部几何形态和垂向剖面特征等划分出6个结构单元:河道滞流沉积(CHL)、侧向加积砂坝(LA)、天然堤(LV)、决口扇(CS)、决口水道(CR)和洪泛平原细粒(FF).其中洪泛平原细粒(FF)、决口扇(CS)和侧向加积砂坝(LA)结构单元最为发育,其次是天然堤(LV)和决口水道(CR)结构单元,而河道滞流沉积(CHL)结构单元则不甚发育.决口扇(CS)结构单元是馆陶组上段砂体发育的主要单元之一,且富含油气资源.因此,进一步加强决口扇的研究对油气资源的勘察是十分必要的.     

华南加里东期金矿床的基本特征

文章分析了安徽月山矿田夕卡岩型矿床形成过程中水岩作用的类型和特征。估算和讨论了水岩作用过程中的质量－体积变化和动力学问题。结论认为：水岩作用对流体成矿系统中夕卡岩和蚀变矿化作用的发生、发展，成矿流体的形成，成矿物质的富集，矿床定位等具有重要意义；水岩作用的水岩比值（W／R）小于0．1；夕卡岩和矿化蚀变分带是开放体系一系列溶解沉淀波反应前锋发生水岩反应后矿物和元素组合的时空分离的结果。     

华北板块北缘活动带元古宙构造岩片

新的研究证实 ,华北板块北缘残存一条元古宙构造岩片堆集带 ,包括古元古代、中元古代、新元古代等多期构造岩片。并相伴有 180 0Ma±、140 0Ma±、10 0 0Ma±、6 5 0Ma±的花岗岩类的侵入活动和构造变质成矿等热事件的年代记录 ,并在华北板块北部金镶边带中保存了相一致的信息 ,揭示了它们是陆缘多期拼贴造山的产物。这为超大陆旋回 ,特别是元古宙两次超大陆的聚合与裂解及其构造演化过程的研究提供了良好的野外实验园地 ,并为元古宙、特别是古元古代大陆的增生及Rodinia超大陆在北半球的存在或构造响应提出新的课题。     

The null distribution of sample serial correlation coefficient

 The null distribution of the lag-k sample serial correlation coefficient (r _k , k=1,2,3) was investigated by Monte Carlo simulation. For a time series with normal, exponential, Pearson 3, EV1 (Gumbel), or generalized Pareto (GP) distribution type, the null distribution of its r _k can be approximated by the normal distribution with mean −1/(n−k) and variance 1/(n−1). But for a time series with the lognormal, EV2 or EV3 (Weibull) distribution type, the null distribution of r _k is skewed distributed. In such cases, a simulation technique is suggested to construct percentile confidence intervals at a given significance level.     

Power of the Mann–Whitney test for detecting a shift in median or mean of hydro-meteorological data

 The non-parametric Mann–Whitney (MW) statistic test has been popularly used to assess the significance of a shift in median or mean of hydro-meteorological time series. It has been considered that the test is more suitable for non-normally distributed data and it may be not sensitive to the distribution type of sample data. However, no evidence has been provided to demonstrate these. This study investigates the power of the test in various circumstances by means of Monte Carlo simulation. Simulation results demonstrate that the power of the test is very sensitive to various properties of sample data. The power depends on the pre-assigned significance level, magnitude of a shift, sample size, and its occurrence position within a time series; and it is also strongly affected by the variation, skewness, and distribution type of a time series. The bigger the magnitude of a shift, the more powerful the test is; the larger the sample size, the more powerful the test is; and the bigger the variation within a time series, the less power the test has. The test has the highest power if a shift occurs at the midpoint of a time series. For the samples with different distribution types, the power of the test is dramatically different. The test has the highest power for time series with the extreme value type III (EV3) distribution while it indicates the lowest power for time series with the lognormal distribution.