最短路径算法在旅游线路规划中的应用——以庐山为例

本文以庐山旅游风景区为例,以一日游为主题,结合旅游景区景点知名度和各景点的停留时间,改进了G IS中的最短路径算法,利用VC++分析旅游区内各个景点之间的最短路径关系,得出该旅游区内的三条较合理的不同主题的一日游路线。通过本文的研究,希望能加强对庐山风景区的开发力度,促进庐山风景区的发展,并最终能推广G IS在旅游线路规划中的应用。     

高原山区局部大地水准面精化方法研究

局部大地水准面精化的实质是精确计算出大地水准面的起伏变化情况。一般情况下,需要密度足够的重力数据,依重力异常密集计算大地水准面差距或高程异常。但是在大陆西部高原山区重力点密度是不够的,无法达到大地水准面精化的目的。本文从理论上证实了用地形和岩石密度数据进行局部大地水准面精化的可行性。     

镇江地质灾害治理工程项目管理中的问题与对策探讨

地质灾害治理工程项目管理是地质灾害管理的具体体现和实施过程,其基本任务是根据地质灾害管理目标和管理方法,组织实施防治工程,保障取得预期的减灾成果。就镇江市地质灾害治理工程项目管理目前现状,从规范文件、招标机构、管理工具、管理经验、干扰因素、风险评价、人员素质等方面进行粗浅分析,并针对存在的问题提出相应的对策,借以提高镇江市地质灾害治理工程项目管理的能力和水平,以便今后地质灾害治理项目管理更好地完善和发展。     

珠江河口夏季缺氧现象的模拟

夏季底层水体缺氧现象是珠江河口存在的环境问题之一。使用三维水动力-生态耦合模型来分析珠江口缺氧现象的分布状况和产生原因。模拟结果表明:模型能很好的再现珠江口的缺氧敏感性区域和强度。珠江口存在的底层水体缺氧现象是水体强烈层化和生化耗氧过程共同作用的结果。缺氧现象的发展与减退受潮汐涨落的影响。珠江口盐度-潮汐混合锋面和层化作用控制低氧水团的范围和强度。     

拉拉铜矿黄铁矿微量元素地球化学特征及其成因意义

四川会理拉拉铜矿床是我国著名大型富铜矿床,针对该矿床中黄铁矿的微量元素、稀土元素地球化学分析表明:拉拉铜矿经历了早期火山喷发成岩成矿和晚期变质成岩成矿作用.条带状矿石中的黄铁矿Co/Ni比值集中于4.92～79.2之间,落入火山成因黄铁矿区,稀土元素分布具有Eu正异常和轻稀土富集的特征,反映矿床具有伴随河口群火山喷流沉积成岩过程的同生沉积成矿作用.脉状矿石中的黄铁矿Co/Ni比值集中于1.10～3.45,落在热液成因黄铁矿区,稀土元素较河口群岩石及其他典型块状硫化物矿床矿石稀土元素更加富集轻稀土元素,稀土含量变化范围更大,显著的负Eu异常,则又说明,矿床形成的主要成矿作用是伴随新元古代晋宁运动而发生的大规模的变质作用.     

饱和流体多孔介质中AVA特征分析及储层参数反演研究

AVA(Amplitude Versus Angle)技术是基于常规介质模型(均匀各向同性介质模型)发展起来的,由于忽略了储层的孔隙结构和充填流体的影响,造成AVA特征中是部分对地震波能量的吸收和衰减作用反映不足.从振幅特征方程的实际应用出发,建立起各参数与常规岩性参数之间的关系.以Gassmann方程与Biot理论为基础,推导出振幅特征方程中弹性参数与常规岩性、储层参数(如:纵波速度、横波速度、密度、孔隙度、流体参数Kf)之间的转化关系式,详细研究饱和流体多孔介质模型中的AVA特征,比较该介质模型与常规介质模型在AVA特征上的差异,并将饱和流体多孔介质AVA技术应用于川西凹陷深层须家河组储层预测,通过多波AVA储层参数的反演研究,为直接利用地震资料进行储层识别并进一步识别其流体特征提供了一种有力手段.     

中国西部环境与生态科学数据中心：面向西部环境与生态科学的数据集成与共享

国家自然科学基金委员会“中国西部环境与生态科学研究计划”自2001年启动以来,有力地推动了西部区域环境演化、陆地生态过程和人类活动对环境的影响等方面的研究,积累了丰富的基础数据。国家自然科学基金委员会“中国西部环境与生态科学数据中心”承担“西部计划”项目数据产出的收集、管理、集成,并面向西部环境与生态科学的各个领域提供科学数据服务。“西部数据中心”的总体框架是以“西部计划”和地球系统科学发展的科学需求为导向,建成以数据共享、知识积累、合作交流和数据科学为主要内容的集成平台,为“西部计划”多学科的交叉研究和成果的综合集成及地球科学发展的长远目标服务。以共建共享的指导思想集成针对西部环境与生态现状与变化的基础背景数据、环境与生态观测数据、模型数据集、数据工具及数据文档;并以完全与开放的数据共享原则为用户提供推送式数据服务。目前,“西部数据中心”已完成了数据共享平台、知识积累平台与合作交流平台的开发和集成,初步形成了科学数据平台,整理并发布了大量的西部环境生态科学所需的关键数据集。     

基于高光谱Hyperion数据的线性光谱混合模型与神经网络模型的比较

混合像元问题是定量遥感中的热点问题之一,为了改进从遥感数据中提取定量信息,人们建立了各种混合光谱分解技术,其中线性光谱混合模型和神经网络模型就是两种比较成熟的方法。以陕西省横山地区的高光谱Hyperion数据为研究基础,通过最小噪声变换(MNF)、像元纯度指数(PPI)转换和RMS误差分析的迭代方法相结合提取影像中的纯净像元作为终端端元。分别运用神经网络模型和线性光谱混合模型对影像进行光谱分解,得到各个组分的分解图像。以标准植被指数(NDVI)影像为衡量标准,选取训练样本点,分别对两种模型进行回归分析,结果显示NDVI影像与线性光谱混合模型植被分解图像的判定系数(R2=0.91)要大于其与神经网络模型的判定系数(R2=0.81)。进一步分析表明在一般情况下,线性光谱混合模型具有比神经网络模型略高的分离精度,但是神经网络模型对细部信息的提取的效果要好于线性光谱混合模型,最后提出了端元均方根误差(EAR)指数,一种新的混合像元分解的思路。