统一于知识的决策模型的设计研究

本文基于谓词逻辑表示的知识构造决策模型是一种新的设想。文中阐述了从逻辑的观点来研究决策的几点考虑，简介了谓词逻辑体系及Ｐｒｏｌｏｇ语言，重点设计了模型构成的知识、框架和方法，最后以一实例说明模型实现的情况。     

地理空间的存在

阐述了关于地理信息科学的个人观点：地理信息科学是一门研究人、机、地关系及其相互作用的科学，它以地理空间为其核心范畴。在人一机一地交互系统观点下辩证论述了地理空间的存在，以期获得一个关于地理空间概念的整体理解。     

时空拓扑关系定义及时态拓扑关系描述

目的，国际上对于作为时空数据模型概念和形式化基础的时空拓扑关系定义和描述还没有一个明确的阐述。本文在分析ＧＩＳ的时空特性后，给出了一个语义层时空拓扑关系定义。同时，提出并证明了完备、唯一的描述时态拓扑关系的４Ｉ框架，列出了时态拓扑关系描述的谓词集，区别了时态拓扑关系和时间方向关系的内涵和谓词描述形式。     

面向对象的时空数据模型

从存储管理和时空语义表现角度给出了时空数据模型的基本设计思想。同时，从时空对象类型及其数据结构、时空操作方面定义了一个面向对象时空数据模型的逻辑结构。     

天山巴音布鲁克草原植被变化及其与气候因子的关系

利用1982-2000年逐月NOAA/AVHRR NDVI的时间序列数据,分析了天山巴音布鲁克草原植被覆盖的动态变化及其与降水、气温、浅层地温等气候因子的关系。结果表明：近20 a来巴音布鲁克草原植被覆盖面积总体上呈现增加趋势,生态环境有所改善。同时,生长季（4-9月）NDVI与降水、气温和浅层地温的相关分析表明, 气温和浅层地温是影响巴音布鲁克草原植被生长的两个重要因子。     

基于 GIS 的东北三省气温降水空间自相关性分析简

创新性地提出了基于两观测站点连线的垂直平分线构建空间连接矩阵,进一步计算空间自相关指数Moran＇s I 来分析气象数据的空间分布模式.利用Moran’s I 分析探讨了东北地区86 个气象站1951～2011 年气温降水数据的空间自相关.结果表明,东北三省气温降水存在显著的空间聚集现象,降水表现为吉林省北部显著低低聚集,吉林辽宁省东部显著高高聚集,气温表现为东北三省南北区域显著聚集;1960～2011 年气温分布较降水表现出更强的空间自相关性,且随年份变化自相关性稳定程度比降水好;气温分布空间自相关性随时间有减弱趋势, 但仍表现出区域显著聚集强相关现象.     

顺序数据同化算法的敏感性分析

为了探讨不同同化指标对顺序数据同化的影响,选择En KF,DEn KF,En SRF三种经典的顺序同化算法,结合Lorenz-1963模型进行敏感性实验分析,研究同化总时间、同化步长、集合成员数、方差膨胀因子、观测数目和局地化半径等指标对同化结果的影响。实验表明:同化总时间、同化步长、集合成员数、方差膨胀因子、观测数目和局地化半径对同化结果有直接的影响,基于En KF的改进算法在有限范围内是优于En KF的;当达到一定条件时,以上所有方法的同化结果趋于相同。研究结果对于实际应用中的最优顺序同化算法选择具有指导意义。     

EnKF同化的背景误差协方差矩阵局地化对比研究

在集合数据同化中,背景场误差的协方差估计特别重要。通常有限个成员的集合在估计背景误差协方差矩阵时会引入伪相关,从而造成协方差被低估、滤波发散。虽然协方差膨胀的经验性方法能一定程度缓解协方差被低估的问题,但不能消除协方差的伪相关问题。因此,结合EnKF方案探讨2种消除伪相关的局地化方法(协方差局地化方法和局地分析方法),分析这2种局地化方法对背景误差协方差矩阵、增益矩阵、集合转换矩阵以及同化结果的影响。实验结果表明:局地化方法不仅能消除背景误差协方差矩阵的伪相关,还可以增加背景误差协方差矩阵的秩;在"弱"同化强度下,2种局地化方法的增益矩阵和集合转换矩阵相等;随着同化强度的增大,增益矩阵和集合转换矩阵的差异会变大;在不同的同化强度下,2种局地化方法各具特色,相对而言,协方差局地化方法在更新集合均值和集合扰动上具有较强的鲁棒性。研究结论有助于背景场误差协方差的精细分析和估计。     

电感耦合等离子体质谱法测定饮用水中微量元素

采用电感耦合等离子体质谱法快速测定饮用水中的微量元素,样品处理简便,检出限低,重现性好,分析速度快。方法检出限为0．007～0．911μg／L,精密度达到0．73％～4．87％。     

水文模型的LAI优化与单网格土壤湿度同化

利用可变下渗能力水文(VIC)模型和MODIS反演的月叶面积指数(LAI)分析了模拟土壤湿度对LAI的敏感性,以及年际动态变化的LAI对VIC模型土壤湿度模拟能力的影响;并利用集合卡尔曼滤波同化法将CCI土壤湿度数据同化进增加了LAI年际变化能力的VIC模型中。敏感性分析表明,模拟土壤湿度全年对LAI敏感,且夏天高于冬天。站点数据的验证结果表明,年际动态变化的LAI能提高模拟土壤湿度的精度,无偏均方根差异(ubRMSD)减少了2.2%,相关系数提高了9.3%;土壤湿度经过同化后能使均方根误差(RMSE)降低4.5%,平均偏差(MBE)降低5.3%。