Distribution of the nonlinear random ocean wave period

Because of the intrinsic difficulty in determining distributions for wave periods, previous studies on wave period distribution models have not taken nonlinearity into account and have not performed well in terms of describing and statistically analyzing the probability density distribution of ocean waves. In this study, a statistical model of random waves is developed using Stokes wave theory of water wave dynamics. In addition, a new nonlinear probability distribution function for the wave period is presented with the parameters of spectral density width and nonlinear wave steepness, which is more reasonable as a physical mechanism. The magnitude of wave steepness determines the intensity of the nonlinear effect, while the spectral width only changes the energy distribution. The wave steepness is found to be an important parameter in terms of not only dynamics but also statistics. The value of wave steepness reflects the degree that the wave period distribution skews from the Cauchy distribution, and it also describes the variation in the distribution function, which resembles that of the wave surface elevation distribution and wave height distribution. We found that the distribution curves skew leftward and upward as the wave steepness increases. The wave period observations for the SZFII-1 buoy, made off the coast of Weihai (37°27.6′ N, 122°15.1′ E), China, are used to verify the new distribution. The coefficient of the correlation between the new distribution and the buoy data at different spectral widths (ν=0.3−0.5) is within the range of 0.968 6 to 0.991 7. In addition, the Longuet-Higgins (1975) and Sun (1988) distributions and the new distribution presented in this work are compared. The validations and comparisons indicate that the new nonlinear probability density distribution fits the buoy measurements better than the Longuet-Higgins and Sun distributions do. We believe that adoption of the new wave period distribution would improve traditional statistical wave theory.     

海岛与海岸带遥感

回顾了海岛与海岸带遥感的发展概况, 总结了海岛与海岸带遥感应用研究现状。     

自适应空间邻域分析和瑞利-高斯分布的多时相遥感影像变化检测

提出了一种基于自适应空间邻域分析和瑞利-高斯模型(Rayleigh-Gauss models, RGM)分布的多时相遥感影像自动变化检测方法。该方法把自适应空间邻域信息和改进的差值影像与比值影像乘积变换融合 法(improved multiplying transform fusion, IMTF)结合构造差异影像, 可以有效地抑制噪声和消除多时相影像之间配准误差的影响, 具有更强的鲁棒性。在对差异影像的分割处理中, 运用瑞利和高斯模型分别模拟变化类像元和非变化类像元的分布情况, 然后估计出两类像元的概率     

全极化SAR数据反演桥面高度

根据高分辨率SAR图像上建筑区的影像特征, 提出了基于灰度共生矩阵(gray-level cooccurrence Matrix, GLCM)纹理分析的建筑区提取方法, 该方法由初步定位和边界调整2个步骤组成, 均遵循特征计算、基于Bhattacharyya距离的特征选择和KNN分类流程, 所不同的是2个步骤中分别采用了逐块和逐点计算纹理特征的方式以兼顾纹理分析的效率和准确性。文中对不同SAR传感器获取的图像进行了实验。实验结果表明, 选用具有最大Bhattacharyya距离值的3或4个特征可以获得较好的初步定位结果, 建筑区的检测率超过80%, 虚警率低于10%;随着边界调整的进行, 检测到的建筑区边界逐渐接近于真实边界。实验结果验证了该算法的有效性。     

江苏吕四海岸沉积动力特征及侵蚀过程

海岸侵蚀与水动力之间有着密切的关系.基于现场调查和资料收集,探讨了吕四海岸地貌、水动力、泥沙运动以及沉积与动力之间的响应.研究结果表明,风浪和潮流是塑造吕四海岸的主要动力.风浪年内变化按向岸风频率可分为高频期(10 月至翌年 1月)、转频期(2 月、3 月和 9 月)和低频期(4～8月)三个时期.风浪高频期,潮滩冲蚀,物质粗化;低频期,潮滩淤积,物质细化;转频期,时冲时淤,动态稳定.潮流作用主要表现为输沙淤滩和侧蚀滩脚.在风浪高频期,滩脚同时受到风浪冲蚀和潮流侧蚀,向岸后退,使吕四岸段成为隐性侵蚀型海岸.岸滩塑造对沉积动力响应显著,东部处于滨岸环境,在潮流和风浪的作用下,沉积物由岸向海变粗;西部还受径流影响,处于滨岸-河口环境,物质由岸向海变细.在水动力要素中,风浪是导致岸滩侵蚀的主控动力,而潮流则是近岸泥沙进行滩槽滩槽交换和循环输运的输运动力.     

蓬莱海市出现的气象水文条件分析

本文对1980～2007年间18次蓬莱海市出现的特征和气象水文条件进行了研究和分析,结果显示:蓬莱海市主要出现在5月下旬至8月上旬的100天之内,绝大多数出现在下午;春夏季节海市主要出现在降水停止后的36～48小时之内的晴好天气,冬季海市出现于山东半岛北部特有的冷流降雪的间隙;海市出现时的主要气象条件:日温差4.0～10.1℃;能见度主要在20～30km之间;风速在2～6.7m/s之间;春夏季节均以偏东风为主,冬季以西北风为主;蓬莱海市主要出现在望、朔日前后五日内,半数以上出现在望、朔日前后的三日内.     

严格规范征地行为 切实维护农牧民合法权益

随着西部大开发战略的实施,青海作为资源大省,经济发展速度加快,工业化、城镇化进程和基础设施建设步伐也随之加快,掀起了交通、能源、水利水电等重大基础设施建设高潮,这将为青海经济腾飞打下坚实     

黄河三角洲的^210Pb剖面与再沉积作用

根据黄河三角洲东部钻孔岩芯的＾２１０Ｐｂ剖面资料，经标准化消除了因粒级不同所造成＾２１０Ｐｂ浓度变化的影响后，显示该孔的＾２１０Ｐｂ剖面可分为１１段。每段呈指数衰减，段与段之间呈现＾２１０Ｐｂ放射性比度逆增，反映了由于再沉积作用造成＾２１０Ｐｂ的稀释作用。由此分析该区沉积和再沉积历史。     

夏季流经东沙群岛北侧的一支偏西向海流

主要根据1992年8月中国科学院南海海洋研究所和香港理工大学合作进行的“南海环流试验”的调查资料，并引用中国科学院南海海洋研究所1982年7月、1985年8月在南海东北部的调查资料、黑潮合作调查（CSK）的资料，通过温、盐度分布特征的分析，并结合动力计算结果，指出夏季在南海东沙群岛北侧存在着一偏西向海流，它的流动路径与文献[5－7]中所说的南海黑潮分支的流动路径显著不同。对夏季南海海流的三维数值模拟也得到了相似的结果。     

基于网络药理学-分子对接探索大黄牡丹汤治疗大肠癌的作用机制

目的：利用网络药理学-分子对接技术探索经方大黄牡丹汤治疗大肠癌的作用机制。方法：通过TCMSP、TCMID数据库获得大黄牡丹汤药物成分,通过PubChem、Swisstarget prediction数据库获得药物成分对应靶点,分析GSE113513芯片获得差异基因,随即获取大黄牡丹汤与大肠癌的共同靶点。利用R、Cytoscape、Autodock软件进行PPI、GO、KEGG、分子对接等分析。结果：获得大黄牡丹汤靶点561个,大肠癌差异基因1227个,共同靶点71个。共同靶点的通路富集分析显示主要与PPAR、p53等信号通路相关,Reactome机制分析显示大黄牡丹汤治疗大肠癌主要通过影响信号转导、免疫系统、疾病等产生作用,分子对接结果显示大肠癌核心靶点与大黄牡丹汤主要成分亲和力较好,能够有效自由结合。结论：经方大黄牡丹汤可通过多层次、多途径、多靶点发挥对大肠癌的治疗作用。