电感耦合等离子体质谱法测定地质样品中锗和镉的干扰及校正

采用HF-HClO₄-HNO₃分解样品,8 mol/L HNO₃提取剂,外标法校准,电感耦合等离子体质谱法同时测定地球化学样品中锗和镉。选择¹⁰³Rh为内标,确定了最佳仪器参数,研究了Zn、Zr、Sn、Ce、Nd、Sm对Ge和Cd的干扰,试验选择质量数⁷⁴Ge和¹¹⁴Cd作为测定同位素,采用数学公式校正法校正了来自Nd和Sm的二次电离离子对Ge的干扰、Sn对Cd的同质异位素干扰。方法检出限（10s）分别为Ge 30 ng/L、Cd 15 ng/L,精密度（RSD,n=15）为Ge 1.35%、Cd 1.47%。对多种国家一级标准物质进行分析验证,结果与标准值相符。方法适用于地质样品中微量锗和镉的测定。     

一种基于NSCT和方向信息测度的GF1影像融合方法

结合NSCT变换和方向信息测度在影像融合表达中的优势,针对GF1影像的特征,提出了多光谱波段与全色波段影像融合过程中采用基于NSCT变换域的方向信息测度融合方法。以GF1影像为源数据,通过NSCT多尺度多方向分解后,对低频系数使用基于区域灰度方差的融合方法,对高频系数采用了改进的方向信息测度加权融合方法,经NSCT逆变换重构影像实现融合。试验结果表明,基于NSCT变换和改进方向信息测度结合的融合方法能更好地保持多光谱影像的光谱信息和全色影像的空间信息,具有更多的细节特征及更清晰的边缘,因此提高了遥感影像的解译精度和解译效率,可为目标信息的提取应用提供支撑。     

基于GIS的校园信息化

城市信息化日益成为各国各城市所关注的焦点,高校作为一特殊的小社会,具有小城市的一般特性,因此有必要在校园信息化的建设方面做进一步的开发与研究,为城市信息化做一些基础性及实验性的工作。本文利用VB6.0、MapInfo6.0和MapX4.5软件开发了北京交通大学校园地理信息系统,重点对各功能模块进行了研究,以期促进GIS技术在建设信息化城市中的应用。     

模拟多光谱的土壤重金属含量反演研究初探

根据多光谱传感器的光谱响应函数,采用实测ISI921VF反射光谱数据模拟Landsat卫星ETM+传感器多光谱数据,在模拟光谱的基础上,通过光谱特征提取、构建土壤指数对土壤重金属Cu,Pb,As进行预测分析。研究显示,Cu,Pb与模拟ETM+光谱的B2,B3波段显著相关,As与DSI,RSI,NDSI相关系数在0.6以上,基于模拟多光谱建立的Cu,As模型精度较高,平均相对误差分别为7.9%,2.7%,表明模拟的Landsat卫星ETM+传感器多光谱具有预测耕地土壤重金属的潜力,为实现大范围监测土壤重金属污染提供新思路。     

基于鸟群优化BP神经网络的滑坡处治后变形预测

滑坡变形程度是判断处治后滑坡是否稳定的关键评价指标，开展处治后滑坡变形预测可提前掌握滑坡稳定性情况，有利于滑坡失稳风险分析，便于开展地质灾害防灾减灾工作。为了准确预测处治后滑坡变形情况，本文提出了一种采用鸟群算法（BSA）优化BP神经网络的滑坡变形预测方法，借助BSA-BP神经网络构建了广西某高速公路滑坡变形预测模型，对比分析了BSA-BP神经网络与BP神经网络的预测结果。结果表明，BSA-BP神经网络预测结果的均方误差和相关系数分别为0.053 4和0.997 6,BP神经网络预测结果的均方误差和相关系数分别为2.225 6和0.968，鸟群算法可有效提高BP神经网络模型的预测精度，能有效应用于处治后滑坡变形预测，研究结果可为处治后滑坡失稳风险预测提供参考。