乌拉苔草光合速率日变化及日同化量

乌拉苔草沼泽是长白山沟谷湿地的重要类型 ,对其光合速率研究的结果表明 ,乌拉苔草光合速率日变化呈单峰曲线 ,最高峰出现在 1 0时 ,最大值是 1 8.0 7μmol(CO2 ) / (m2 ·s) ;与其该群落伴生的修氏苔草光合速率日变化出现“午休”现象。影响光合速率最大的环境因素是光量子通量密度和叶温 ,呈极显著的正相关 ,其他因素亦多呈正相关 ,环境因子综合影响了乌拉苔草的光合日进程。乌拉苔草光合作用的日总同化量为 1 896 0 1 .2 μmol(CO2 ) /m2 ,是光合能力较强的一种沼泽植物     

幂函数对建筑物沉降的回归分析

通过实例推导幂函数对建筑物沉降进行回归分析，并且得出较为精确的结果，同时也说明在选择回归函数的时候，还会受到很多条件影响。     

Data Fusion in Distributed Multi-sensor System

This paper presents a data fusion method in distributed multi-sensor system including GPS and INS sensors“ data processing. First, a residual X^2-test strategy with the corresponding algorithm is designed.Then a coefficient matrices calculation method of the information sharing principle is derived. Finally, the federated Kalman filter is used to combine these independent, parallel, real-time data. A pseudolite (PL) simulation example is given.     

图像控制点数据库的设计与实现

地面控制点数据是航天航空图像摄影测量几何处理的必需数据。文中首先比较了控制点数据的存储管理方式，即采用文件系统方式与数据库方式的优缺点；接着分析了控制点图像数据的特征，从而提出了图像控制点数据的数据库存储方案，讨论了图像控制点数据库的查询方法；最后结合文中的方法，设计并且实现了一个控制点图像数据库管理与应用实验系统。通过分析认为，建立控制点图像数据库是重复利用控制点资源的有效途径。     

基于神经网络的建筑物沉降原因分析

在我们应用回归方法对建筑物沉降原因分析及沉降趋势的预测中，由于实际情况的复杂性及主观认识的局限性，这样所得的结果含有较多的人为因素，可能会与实际情况有所差异。针对这种情况，讨论了应用神经网络方法来发现和验证引起建筑物沉降的因素及对沉降趋势的预测。实例表明，该方法能取得较好的效果。     

基于受限汉语的GIS路径重建研究

主要研究基于自然语言 (汉语 )的GIS路径重建问题 ,通过分析带有路径表述信息的汉语文本 ,建立了汉语的NLRP句法模型 ,它是由带有空间语义的动作以及作为动作对象的地理要素构成的集合。考虑到自然语言理解实现的需求 ,论文基于NLRP句法模型定义了受限汉语的NLRP文法 ,在此基础上 ,描述了路径重建算法PRA ,并探讨了算法实现中由于空间认知原因带来的不确定性问题以及其解决方案。最后 ,基于该算法进行了相关实例研究 ,从而验证了该算法的正确性     

泰国水稻种植面积月变化的遥感监测

介绍了光学和微波遥感影像相结合进行泰国水稻种植面积监测方法。泰国雨季雨量充足 ,气温适合 ,同一时间耕地上水稻的物候多样 ,每月水稻种植面积都发生变化。利用旱季的TM影像 ,获得耕地信息。同时利用TM影像覆盖的雷达区域进行非耕地去除 ,进行非监督分类 ,提取反映水稻种植不同生长期的雷达影像后向反射系数特征 ,建立各种类型的分类模型 ,采用监督分类的方法对全景雷达数据进行水稻种植情况调查 ,并分别予以识别和统计 ,反映研究区水稻月种植情况。分类结果通过类别检验和面积量算检验进行精度评价和分析。     

内外网中转程序介绍

为了防止计算机病毒的干扰,保证基础气象业务的正常运行,阳泉市气象局的局域网分为内网和外网,内网上的计算机用于基础气象业务,外网上的计算机都可以上互连网。为了方便内外网的信息交换,在内外网之间安装一台计算机,运行内外网中转程序,使内外网的文件基本达到同步更新。这样既保证了内网上的计算机运行稳定,又满足了外网上的计算机对内网上气象信息的需求。     

Tropical Precipitation Estimated by GPCP and TRMM PR Observations

In this study, tropical monthly mean precipitation estimated by the latest Global Precipitation Climatology Project （GPCP） version 2 dataset and Tropical Rainfall Measurement Mission Precipitation Radar （TRMM PR） are compared in temporal and spatial scales in order to comprehend tropical rainfall climatologically. Reasons for the rainfall differences derived from both datasets are discussed. Results show that GPCP and TRMM PR datasets present similar distribution patterns over the Tropics but with some differences in amplitude and location. Generally, the average difference over the ocean of about 0.5 mm d^-1 is larger than that of about 0.1 mm d^-1 over land. Results also show that GPCP tends to underestimate the monthly precipitation over the land region with sparse rain gauges in contrast to regions with a higher density of rain gauge stations. A Probability Distribution Function （PDF） analysis indicates that the GPCP rain rate at its maximum PDF is generally consistent with the TRMM PR rain rate as the latter is less than 8 mm d^-1. When the TRMM PR rain rate is greater than 8 mm d^-1, the GPCP rain rate at its maximum PDF is less by at least 1 mm d^-1 compared to TRMM PR estimates. Results also show an absolute bias of less than 1 mm d^-1 between the two datasets when the rain rate is less than 10 mm d^-1. A large relative bias of the two datasets occurs at weak and heavy rain rates.