浅议浅黄色花岗岩板材在高温条件下变色因素

奇台县菊花黄花岗岩板材,经高温氧-乙炔喷焰烧后呈褐红色薄膜状石材板,使其经济价值增加80%.菊花黄花岗岩板材中的钾长石矿物经高温氧-乙炔喷焰烧后,当其受热达到一定的温度时褐黄色微斜长石中所含的低价铁氧化物中的2价铁离子变为3价铁离子,使岩石的颜色由黄色转化为褐红色,微斜长石由三斜晶系向稳定的单斜晶系转变,由于高于900℃高温作用石材表面时间短,故能在石材表面形成厚约1mm左右的红色薄膜.经褪色强化实验,从理论上推测该红色薄膜石材在大气条件下可保持10年以上不褪色.     

国家基础地理信息数据库内容的完善

提出基础地理信息数据库的完善的定义,并详细阐述数据库内容的完善。我国已建成一系列基础地理信息系统数据库,这些国家级的数据库向全社会各类用户和各类专业信息系统提供了统一、权威的空间载体,在国民经济建设、社会发展、国家安全和国防等方面发挥了十分重要的作用。随着国民经济建设和社会发展以及国家信息化的迅速发展,广大地理信息用户对基础地理信息提出了许多新的、更高的需求,这些需求很多涉及到国家基础地理信息系统数据库完善的问题。数据库内容的完善是数据库完善的重要方面,包括对核心地形要素数据库(DLG)的内容进行调整,对地理要素进行详细定义以及对地理要素的分类分级体系进行细化等。     

树状河系自动绘制的结构化实现

计算机的出现和信息论的发展,使制图自动化在技术上和理论上得到了迅速发展。然而由于目前软件系统还不能代替制图工作者的创造性思维,在制图过程中仍需要大量的专业知识以及人机对话,尤其在符号化大面积的河流时,重复的河流宽度手工设置过程大大增加了制图人员的工作量。提出河系绘制结构化实现的思想,将由多条单线河流组成的树状河系通过其结构实现自动符号化,希望能减轻制图人员的负担。     

图斑数据自动概括中面向地理特征的层结构选取

在信息定义和结构化选取的基础上，根据图斑的空间分布与距离联系，给出图斑数据地理要素层结构的定义和建立过程，从而实现图斑数据制图概括中对象选取的模型化。     

闽中北前汛期多普勒雷达定量估测降水分析

使用2002、2003年福建中北部27个气象站5—6月自记雨量资料及相应的雷达体扫资料，通过用最优化法统计得出不同区域的Z-I关系，并将统计结果用于2005年5—6月的降水估测。同时利用实时雨量资料采用卡尔曼最优（卡尔曼滤波＋最优插值）、变分等估测方法对2005年几次混合型降水过程进行实时雨量校正，用福建北部武夷山九曲溪流域雨量计检验校正后的雨量值，并对上述几种方法的测量精度进行比较、分析。结果表明：卡尔曼最优、变分法及100km距离范围内的最优化法的过程平均相对误差小于25％，100km距离范围以外最优化法的过程平均相对误差明显增大，Z=300I^1,4估测的误差最大。     

区域降水数值预报产品人工神经网络释用预报研究

利用T213、日本细网格降水预报等数值预报产品,采用人工神经网络方法进行预报释用。通过聚类分析方法对广西自治区测站进行分类,简化预报对象,对数量众多的T213数值预报产品采用自然正交分解(EOF)方法,浓缩大量因子的有效信息,并结合日本降水预报因子建立广西5~6月区域降水量级的逐日人工神经网络预报模型。运用与实际业务预报相同的方法进行逐日预报试验。结果表明,用这种数值预报产品释用方法建立广西3个预报区域的B-P人工神经网络预报模型对中雨以上降水量级预报的TS评分分别为0.55、0.5和0.26,比目前业务预报中参考使用的T213和日本数值预报产品降水预报具有更好的预报效果。     

高低空急流在闽西北大暴雨过程中的作用及数值模拟

本文对2002年6月14~18日福建西北部地区的连续暴雨~大暴雨过程的诊断及模拟分析表明,在有利的环流背景条件下,高空急流的加强和动量下传,促使低空急流的建立和维持;低空急流的加强则提供了有利暴雨产生的高温高湿的大气条件;高低空急流的适宜配置,产生了动力场的耦合作用,为大暴雨的发生、发展提供了动力条件。     

Matlab对基于HDF格式的MODIS 1B数据的提取方法与实现

基于HDF文件格式的MODIS数据的应用越来越广泛,MODIS数据开发应用的前提是对MODIS 1B数据的提取。本文详细介绍了利用Matlab对HDF文件进行读写操作的过程,在此基础上给出了提取MODIS 1B数据的流程图,实现了对MODIS 1B数据的提取,为MODIS二级产品的开发打下了基础。     

地-气耦合动力系统的研究

研究了一类地-气耦合系统的非线性模型,目的是创建一个地-气振子模型的非线性方程的渐近求解方法,利用变分迭代方法,构造了对应问题解的近似展开式。即首先引入一组泛函和计算出它们的变分,并算出Lagrange乘子,其次,决定变分迭代,最后得到原地-气振子模型非线性问题解的一致收敛的近似展开式。     

Evaluating Local Non-Stationarity when Considering the Spatial Variation of Large-scale Autocorrelation

Multi‐scale effects of spatial autocorrelation may be present in datasets. Given the importance of detecting local non‐stationarity in many theoretical as well as applied studies, it is necessary to “remove” the impact of large‐scale autocorrelation before common techniques for local pattern analysis are applied. It is proposed in this paper to employ the regionalized range to define spatially varying sub‐regions within which the impact of large‐scale autocorrelation is minimized and the local patterns can be investigated. A case study is conducted on crime data to detect crime hot spots and cold spots in San Antonio, Texas. The results confirm the necessity of treating the non‐stationarity of large‐scale spatial autocorrelation prior to any action aiming at detecting local autocorrelation.