东海陆架区 Brunt-Väisälä 频率空－时变化分析

Phillips (1966)指出，Brunt-V?is?l? 频率的分布是海洋中最重要的动力学特征之一。它是研究海水内部运动的一个重要参数，特别是关于海洋内波的研究。Brunt-V?is?l? 频率又称静态稳定性频率，更确切地应称作浮力频率，因为它与分层流体中作绝热移动的流体元的浮力变化相联系。Brunt-V?is?l? 频率(以下缩写成B. V. f.) 记作N。 根据B. V. f. 分布特征研究海水结构及动力学特性的论述颇多，但绝大多数侧重于深海大洋的研究，且时常将其上层撇开，从而可求得一个比较简单的解析式，这显然是由于海洋上层较其下层复杂的缘故。对于浅海陆架的情形，研究得比较少。前田明夫(1974)曾根据日本近岸(5公里以内)三个观测站上1-3天的观测资料，分析研究了日本近海上层海洋短周期海水温度起伏的动力学特性。本文试图对我国东海陆架浅海B.V.f.的空间分布和时间变化特征作一探讨。     

长江冲淡水及其混合问题的初步探讨

长江为东亚第一大河。其流域面积占我国大陆太平洋流域面积的三分之一,据不完全的统计,长江的入海径流量约占我国渤、黄、东海主要入海河流径流量的80％以上。巨量的长江淡水入海后,其冲淡作用至为显著。如以1959年长江径流量而论,若平均展布于整个东海,则可形成厚度约为1米的一个水层。     

杭州湾潮混合的初步研究 Ⅱ. 下湾区

1964年作者发表了“杭州湾潮混合的初步研究Ⅰ.上湾区”一文(毛汉礼、甘子钧等，1964)。根据表征入海径流冲淡作用的河口盐度沿程分布和变化特征，将杭州湾以海盐为界划分为上湾区和下湾区：海盐以上的上游段为上湾区，其潮混合为强混合型；海盐至湾口的下游段为下湾区。其后，又对杭州湾的盐度分布、水系和环流做了初步分析，并对潮汐、对流和风浪等作用所导致的涡动混合现象作了粗略的讨论，认为要合理地阐明下湾区的混合过程似应同时考虑侧向与垂向的混合效应(毛汉礼．沈鸿书等，1964)。本文根据1963年在杭州湾下湾区进行专题水文调查所获得的资料，对杭州湾下湾区的潮混合问题进行了研究：对表征该区潮混合扩散过程的某些特征量，如水平涡动扩散系数、水平涡动交换系数等作出量级估计，并给出涡动交换椭圆；估算了控制这一河口区域盐量平衡与动量平衡的各项物理过程的相对重要性，为进一步开展杭州湾下湾区潮混合过程的观测和理论研究提供依据。     

用多元统计分析方法对泥河湾层的划分与对比

河北阳原-蔚县盆地的泥河湾层,是我国下更新统的标准地层之一,研究的历史较久,早在1926年巴博尔(Barbour,G.B.,)等人认为泥河湾层(Nihewan Bed)是黄土堆积之前,红土堆积之后的一套河湖相地层,自此之后,驰名中外.到目前为止,有近60篇文章从不同侧面对泥河湾层进行了论述.笔者在1979—1982年期间对泥河湾层进行了调查.本文对泥河湾盆地的大南沟、铺路、红崖南沟、虎头梁、小渡口、下沙沟、石匣西、石匣东、五里台九个地层剖面(图1)采得的324个岩样标本,做了光谱半定量测定,用取得的各元素含量数据,进行了最优分割法(Optimal partitioningmethod)计算,对所计算的结果做了初步的整理分析,进而对泥河湾层的划分与对比进行探讨.     

用Matlab中的Neural Network Toolbox仿真赤道东太平洋SST的预报模型

基于ＮＣＥＰ／ＮＣＡＲ再分析资料和ＣＯＡＤＳ海洋资料中的全球月平均海平面气压场、８５０hPa纬向风场及海洋温度场，利用Ｍatlab中的Ｎeural Network Toolbox仿真环境和ＢＰ模型改进算法比较准确地仿真和反演出了南方涛动指数、赤道纬向风指数和滞后的赤道东太平洋海温之间的动力结构和预报模型。该模型具有很好的拟合精度和可行的预报效果。可在一定时效内预测赤道东太平洋月平均海温的变化趋势。由于所建系统是具有直接因果关系的预报模型，因此不仅可直接用于预测，而且可有效避免类拟非线性微分方程组在积分过程中由于对初值敏感性而可能产生的对预报结果的不确定性。     

湛江港风暴增水特征分析

本文在统计1950－1997年影响湛江港的热带气旋的基础上，利用1953－1982年30年间湛江港发生的风暴增水的资料，对湛江港风暴增水的总体特征进行了分析，总结出湛江港风暴增水的特征在于季节分布的不均匀、大的正增水和高实测水位出现频繁、造成的风暴潮灾比较严重；通过两类典型风暴潮的详细分析，结果表明：湛江港的风暴增水与影响湛江的热带气旋密切相关，大的风暴增水主要由台风引起，湛江港的地理位置也是影响风暴增水的重要因子。     

机载激光雷达平均树高提取研究

为了研究机载激光雷达(LiDAR)树高提取技术,以山东省泰安市徂徕山林场为实验区,于2005年5月进行了机载LiDAR数据获取和外业测量.通过对LiDAR点云数据的分类处理,分别得到了试验区的地面点云子集、植被点云子集和高程归一化的植被点云子集.基于高程归一化的植被点云子集计算了上四分位数处的高度,与实地测量的数据进行了比较,并结合中国森林调查规程进行了实用性分析.结果表明:对于较低密度的点云数据,使用分位数法可以较好地进行林分平均高的估计;机载激光雷达技术对树高估计是可行的,精度都高于87%,总体平均精度为90.59%,其中阔叶树的精度高于针叶树.该试验精度可以满足中国二类森林调查规程中平均树高因子的一般商品林和生态公益林的精度要求,对国有商品林小班的调查精度要求(5%)存在一点差距,需要在国有商品林区进一步开展验证工作.对本试验区而言,已经可以满足其作为森林公园生态公益林的调查要求.