Development of Geological Data Warehouse

Data warehouse (DW), a new technology invented in 1990s, is more useful for integrating and analyzing massive data than traditional database. Its application in geology field can be divided into 3 phrases: 1992-1996, commercial data warehouse (CDW) appeared; 1996-1999, geological data warehouse (GDW) appeared and the geologists or geographers realized the importance of DW and began the studies on it, but the practical DW still followed the framework of DB; 2000 to present, geological data warehouse grows, and the theory of geo-spatial data warehouse (GSDW) has been developed but the research in geological area is still deficient except that in geography. Although some developments of GDW have been made, its core still follows the CDW-organizing data by time and brings about 3 problems: difficult to integrate the geological data, for the data feature more space than time; hard to store the massive data in fifferent levels due to the same reason; hardly support the spatial analysis if the data are organized by time as CDW does. So the GDW should be redesigned by organizing data by scale in order to store mass data in different levels and synthesize the data in different granularities, and choosing space control points to replace the former time control points so as to integrate different types of data by the method of storing one type data as one layer and then to superpose the layers. In addition, data cube, a wide used technology in CDW, will be no use in GDW, for the causality among the geological data is not so obvious as commercial data, as the data are the mixed result of many complex rules, and their analysis needs the special geological methods and software; on the other hand, data cube for mass and complex geo-data will devour too much store space to be practical. On this point, the main purpose of GDW may be fit for data integration unlike CDW for data analysis.     

Predators of juvenile blue crabs outside of refuge habitats in lower Chesapeake Bay

Blue crabsCallinectes sapidus in lower Chesapeake Bay are subject to high rates of predation during the late summer of their first year of growth as they migrate out of vegetated nursery habitats. Predators, potentially contributing to this pattern, were identified in video-recorded field observations of tethered juvenile crabs (20–25 mm carapace width). Predators were also tested in large laboratory tanks containing similarly-sized untethered crabs as prey. Seven different predators attacked tethered crabs in the field. Only two predators, larger blue crabs and northern puffers,Sphoeroides maculatus, consistently succeeded in preying on crabs in both field and laboratory settings. These results confirm the importance of cannibalism on juvenile blue crabs and identify puffers as a potentially overlooked source of predation pressure.     

应用区域地基全球定位系统观测分析北京地区大气总水汽量

利用2000年6月1日～8月11日北京地区地基全球定位系统(Globe Positioning System)网遥感大气总水汽量试验的观测资料,分析了北京地区夏季大气总水汽量的时空变化,研究了大气总水汽量与日平均温度、地面水汽压和降水的关系.研究结果表明:大气总水汽量存在明显的时空变化,对于地理位置基本相近的台站,海拔高度的影响比较明显,一般情况下高山站的水汽总量低于平原站;在晴天,地面水汽压与大气总水汽量有较好的相关性,而在云雨日,由于高低层大气湿度的变化常常不同步,用地面水汽压估算的大气总水汽量具有较大的偏差;大气总水汽量短时间内的快速增加往往对应有降水过程出现,但总水汽量的大小与降水量之间并没有明显的相关,在降水预报中应综合考虑总水汽量的前期平均水平、短时的增幅和峰值大小等条件的影响.     

黄河流域夏季分区面雨量预报研究

介绍黄河流域分区夏季面雨量预报的研究成果，精心挑选51个具有较好代表性的测站对黄河流域夏季降水的时空演变特征进行分析，使用K均值动态聚类对黄河流域的夏季降水进行了客观分区，并计算出各流域夏季面雨量。通过对黄河流域夏季雨量与500hPa环流，海温、OLR、中纬阻高，高原积雪，欧亚积雪等重要影响因子的关系分析，结合黄河流域夏季面雨量年降和年代际演变特征的分析，研究出黄河流域分区夏季面雨量预测的基本方法和模型，并通过客观化的数学方法建立黄河流域夏季面雨量预测系统，预测系统十年回报的结果显示出具有较的预测技巧。     

北极涛动对东亚夏季降水的预测意义

分析了春季北极涛动(AO)指数的变化对梅雨—Changma——Baiu带夏季降水年际变化的影响。对观测的东亚10个站的降水长序列资料(1899—1999年)，进行滤波处理，保留10年以下的年际时间尺度的变化，再进行相关分析。结果表明，近百年的5月北极涛动指数与10站夏季平均降水相关最高达—0．45，超过99％信度水平。当北极涛动偏强一个标准差时，整个长江中下游地区到日本南部一带，降水减少平均约8％左右。降水的这种变化与对流层东亚急流的变化密切相关：春季北极涛动强时，随后夏季急流位置通常偏北，雨带位置也北移，从而造成梅雨—Changma——Baiu带降水减少，反之亦然。较强的AO异常对降水的影响更明显，而较弱的AO与降水异常的对应关系并不显著。这对东亚夏季年际降水异常具有一定的预测意义。     

三江源生态环境监测研究

青海省生态环境监测系统主要由遍布全省各典型生态系统区的生态环境监测站网、卫星遥感信息接收处理系统，信息收集、处理、模拟、评价系统，综合信息服务与反馈等部分组成。建立环境监测系统的目的是对青海省的生态环境进行系统监测和评估，及时为各级政府、有关部门和公众提供准确、全面的生态环境监测信息，为生态环境保护和建设提供科学依据。青海省生态环境监测系统于2003年5月1日开始业务运行，目前尚处于起步阶段。     

BP神经网络模型在重庆伏旱预测中的应用研究

采用气象要素定义伏旱指数，利用小波分析等方法分析重庆地区伏旱变化特征，最后采用BP神经网络模型对伏旱进行预测试验，结果表明，重庆伏旱变化具有明显的阶段性特征，而基于BP神经网络模型的伏旱预测模型预测效果良好，可以应用于实际预测。     

云南中部一次飑天气过程的雷达回波特征

利用地面资料和雷达回波，分析了2002年9月8日云南中部一次飑天气的发生、发展和演变情况，得出低纬高原飑天气出现时天气和要素变化为：雷暴最先出现，随后湿度急升，气温直线下降。在这突变过程中出现大风、大雨和冰雹，气压出现跳跃。飑线水平尺度长不到100km，宽仅10km，生消史两个小时左右。其雷达回波有前期征兆，发生演变过程，有一定特征。     

北京地区一次典型大雾天气的空气污染过程物理量分布特征

2002年11月30至12月4日，北京持续4天大雾天气，空气污染物在持续的稳定层结条件下，空气质量连续3天达5级以上。文中分析了大雾天气各主要污染物的变化特征，以及此次过程中天气形势的特点及演变，并对造成大雾日空气污染天气的物理量分布特征进行分析。结果表明：高空WNW气流、稳定性持续增加、逆温层结持续存在、低空风速较小、相对湿度大，导致局地污染物不能及时随大气扩散；1000～700hPa有弱的上升气流形成和维持，与500hPa高空下沉气流之间在低空的某层高度上形成稳定层结(逆温层)，导致大雾及重污染的形成；850hPa为暖区，850～500hPa为冷平流，有利于大雾的形成和加重。