大地电场数据频谱分析及幅值提取软件的研发

通过分析大地电场观测数据存储的特点与规律,利用Matlab语言研发本软件。利用此软件可对大地电场数据进行分段频谱分析,并形成文本数据文件,以及提取各时间段日波、半日波等频率幅值,方便工作人员和分析研究人员掌握大地电场的频谱及其随时间的变化规律,为地震前兆现象的分析研究提供帮助。同时,此软件也可作为模板,经适当修改后,采用不同的数据分析方法来处理其他仪器的观测数据。     

红山台磁通门磁力仪观测数据对比分析

对2010-2012年红山地磁台2套相同厂家和型号的磁通门磁力仪GM4-1和GM4-2产出的数据进行背景噪声、基线值、预处理分数据和日均值几个方面的对比分析.结果显示:(1)两套仪器各分量日均值变化曲线形态一致性较好;(2) GM4-2各分量的噪声值和月剩余标准差值均大于等于GM4-1各分量的噪声值.(3) GM4-2仪器相对于GM4-1仪器灵敏度较低.分析的结果能较好地反映出2套仪器观测数据的内在质量,也能客观地反映出红山台各套仪器的工作状态及绝对观测对相对记录的控制水平.     

子夜均值数据处理软件自主开发和应用

通过对1995—2007年全国24个台站子夜均值数据的整理,总结出各类错误数据的特征,结合数据处理技术,利用'Visual Basic语言编制了数据处理软件,建立一种自动化的错误数据识别方法,为数据整理和处理分析提供高效率的工具。为今后子夜均值数据的正确判断提供方便快捷的途径。     

磁通门磁力仪GM4定向方法的研究

仪器正确定向是保证仪器观测质量的一个重要环节。由于地磁场的长期变化,仪器需要定期重新定向。本文应用全国44个地磁台站2008—2012年观测数据,研究了各台站D分量的长期变化特征。结果表明,仪器定向位置和被测磁场位置产生较大偏离时,必须重新定向。同时首次提出影响定向精度的零场漂移S?0,并根据理论计算在红山地磁台实地开展测量,测量结果表明,零场漂移S0数值达到50.3 nT,超出D分量定向输出范围（磁静日时日变缓慢时间段为-50nT—+50nT）。     

1961—2012年甘肃省干湿变化特征及其影响因子

基于1961—2012年甘肃省和青海省祁连山区54个气象站逐日气象数据,分析了甘肃省地表湿润指数的时空变化特征及各气象要素对不同区域干湿变化的影响程度.结果表明:近52年,以黄河为界,甘肃东、西部呈现出不同的干湿变化趋势,河东地区趋于干旱,尤其是陇中和陇东部分地区;河西部分区域趋于湿润,尤其是祁连山中部地区.河东变干主要是秋季显著变干,其中9月最突出;河西变湿主要是冬季变湿,尤其是在12月和1月.敏感性和贡献度分析表明,除降水量外,地表湿润指数对空气相对湿度的敏感性最高,其次是日照时数,再次是最高温度和平均风速,对最低温度的敏感性最低.近52年地表湿润指数-30％～30%的相对变化量中,降水量的贡献最大,贡献量在-30%～25%;其次是风速,贡献量在-4％～12%,最高温度、最低温度、日照时数以及相对湿度的贡献较小,在-4％～4%.     

线状自然灾害风险地图的自动综合——以铁路承灾体为例

在地理学与地图学的基础上,从灾害系统的角度,探讨了图层约束(LC)和道格拉斯-普克(DP)相结合的线状地图自动综合问题。以铁路线为例,构建了基于地震长期烈度区划、滑坡危险性、泥石流灾害活动程度、多年平均最大积雪深度、水灾频次、沙尘暴年最大日数和湖泊分布等图层信息的约束源数据库,结合铁路密度与综合致灾强度风险矩阵,实现了分区、分段铁路承灾体的自动综合,揭示了多尺度下铁路密度分布的区域规律。     

云南省农村乡镇地震灾害房屋损失评估

根据1990——2000年20余次云南省地震的房屋损坏调查数据,建立了目前云南省农村居民最主要的4类房屋地震脆弱性模型（烈度-损失率曲线）;进而利用设定地震灾害损失模拟方法, 基于2002年云南省房屋状况, 模拟了历史上的破坏性地震如果再次发生, 将造成的云南省房屋的经济损失. 误差分析表明, 该模拟计算方法实用性强, 对一般性地震的模拟误差在30%左右. 将云南省886——2002年的398次地震依次进行了房屋经济损失模拟. 结果表明, 云南省年均因地震引起的经济损失约为4.1亿元, 占当年云南省GDP值2 232.32亿元的0.18%. 由于房屋造价的上涨和农村居民人均住房面积的增加,历史上的强震一旦今天再次发生, 对云南省经济的影响将远远大于当年.      

开辟矿山第二产业,发展绿色循环经济

本文阐述了开发利用尾矿生产建筑用砖,替代传统粘土砖的重要意义和可行性。开发利用尾矿,有利于矿山环境治理,促进循环经济利用、保护耕地,还能减少地质灾害的形成。在为老矿山开辟新出路的同时,还增加了就业机会。     

高分辨率遥感影像中云和似云目标的自动区分

云的存在会对遥感影像的处理及目标识别等产生影响,因此,自动提取云对高分辨率卫星影像的应用具有重要意义。高分影像上更加复杂的云的细节形态及似云目标的干扰,使得高分影像的自动云提取难以达到实用水平。本文以雪地为例,选取形状、纹理和边缘3个差异化特征作为云与似云目标区分的关键,提出了一种区分高分辨率遥感影像中云和似云目标的云检测算法。首先利用Wallis滤波对输入影像进行预处理,增强影像中不同尺度的影像纹理模式;然后对影像进行快速稳定的均值漂移分割,利用灰度和纹理特征构成支持向量机的第一层分类器,将分割后的区域对象分成"云"和普通地物,再利用边缘、形状、纹理等特征结合灰度特征构成支持向量机的第二层分类器,将"云"区分为云区和似云目标;最后使用Grab-cut对云检测结果进行边缘迭代精化。本文算法取得了优良的试验结果,证明了算法在似云目标干扰下对高分辨率遥感影像进行精确云检测的能力。