基于FCM和AHP的青藏工程走廊冻土工程地质条件评价

青藏工程走廊是连接内地与西藏的重要通道, 承载了多条重大冻土线性工程, 因其沿途生态环境的脆弱, 以及地基中高温高含冰量冻土的存在, 对气候变化和人类活动极为敏感。本文通过对影响青藏工程走廊(唐北段)内冻土工程地质条件各因素的分析, 选取体积含冰量、年平均地温、坡向、坡度和植被覆盖度5个因素作为评价因子, 分别采用模糊C-均值聚类(FCM)和改进标度的层次分析(AHP)两种不同的方法对青藏工程走廊(唐北段)内的冻土工程地质条件进行了评价, 利用地理信息系统(GIS)技术将两种评价结果进行可视化。对AHP计算结果进行分级, 并与FCM聚类结果进行对比分析, 结果表明, 工程走廊内高温高含冰量、坡度较高、坡向朝南区段工程地质条件较差, 主要集中在昆仑山垭口、楚玛尔河高平原、五道梁、开心岭等区段。上述两种方法的评价结果具有较好的一致性, 均能较好地评价青藏工程走廊内的工程地质条件。     

探讨过去人地关系演变机制的"支点"概念模型

人地关系演变的历史、规律和机制是地理学研究的重要科学问题。在人类社会演化的不同阶段,人与环境相互作用的模式存在显著差异,揭示人地关系在时间维度上的演变轨迹和机制可为有效衔接古今人地关系研究提供重要依据。基于对过去人地关系研究案例的分析和总结,我们提出“支点”概念模型尝试解释人地关系演变的规律和机制。当特定区域人口数量增长到一定程度时,自然生态系统和人类社会系统达到平衡状态,随后的气候环境变化和人类活动变化都有可能打破其平衡状态。人类社会系统在面对生存环境变化压力时可能出现两种不同方式的响应：① 通过人口数量的调节适应生存环境变化而达到新的平衡,其特点是人与环境相互作用的模式（人类社会与自然生态系统平衡“支点”位置）不变;② 通过人类社会组织结构或技术革新方式使社会适应生存环境变化的“韧性”增强,体现为人与环境相互作用模式发生改变。随着时间的推移,社会韧性呈增强趋势,人地关系演变的主导因素也整体呈现由自然因素向人为因素的偏移。最后,以河南、山西和陕西三省仰韶文化时期（约公元前5000—公元前3000年）至周代（公元前1046—公元前256年）的人地关系研究为例,运用“支点”概念模型分析了其演变机制。     

泥石流危险性评价:模糊c均值聚类-支持向量机法

泥石流是一种能够造成灾难性后果的严重自然灾害,准确可靠的泥石流危险性评价对于其预警及防治工作来说至关重要。泥石流的危险性评价方法有很多,模糊c均值聚类（FCM）方法是其中一种应用广泛的分类方法;相比其他方法而言,其无需主观确定边界,并且能以各级隶属度矩阵为输出结果,方便应用。支持向量机（SVM）是基于结构风险最小化为目标的机器学习理论,以支持向量为算法支撑,具有一定的鲁棒性,并且适合在小样本条件下进行分类。本文选用FCM和SVM联合的方法,开展泥石流危险性的评价;对北京房山区南窖沟泥石流危险性进行分析,并对比其他评价方法所得结果,证明本文提出的评价方法具有较好的效果。     

Flow cytometry investigation of picoplankton across latitudes and along the circum Antarctic Ocean

Using a flow cytometer (FCM) onboard the R/V Xuelong during the 24th Chinese Antarctic cruise, picoplankton community structure and biomass in the surface water were examined along the latitude and around the Antarctic Ocean. Salinity and temperature were automatically recorded and total Chla was determined. Along the cruise, the abundance of Synechococcus, Prochlorococcus, pico-eukaryotes and heterotrophic bacteria ranged in 0.001-1.855×10⁸ ind./L, 0.000-2.778￡108 ind./L, 0.002-1.060×10⁸ ind./L and 0.132-27.073×10⁸ ind./L, respectively. Major oceanic distribution of Synechococcus and Prochlorococcus appeared between latitudes 30°N and 30°S. Prochlorococcus was mainly influenced by water temperature, water mass combination and freshwater inflow. Meanwhile, Synechococcus distribution was significantly associated with landing freshwater inflow. Pico-eukaryotes and heterotrophic bacteria were distributed all over the oceans, but with a relatively low abundance in the high latitudes of the Antarctic Ocean. Principal Component Analysis showed that at same latitude of Atlantic Ocean and Indian Ocean, picoplankton distribution and constitution were totally different, geographical location and different water masses combination would be main reasons.     

多光谱卫星图像的一种模糊聚类方法

基于二维光谱特征空间，用模糊C均值(FCM)聚类方法，对多光谱静止卫星(GMS-5)图像进行了云分类试验，得到了比较合理的分类结果。该方法利用不同光谱通道的卫星云图光谱特征构造出一个二维光谱特征空问，对云图在特征空间上的光谱特征点进行FCM聚类，然后与已知云类样本的特征进行比较，确定出各聚类域的类属，进而得到二维光谱空间的云分类图，实况接收的云图可通过查验特征像素点在分类图中的落区位置来实现云的分类。     

渤海湾北部沿岸大雾天气特征

对近30年渤海湾北部葫芦岛站出现大雾天气时的气压场进行模糊聚类分析,采用4个客观指标确定了最优分类数,并对各聚类的气压场分布、各聚类大雾频数逐月变化、大雾发生期间风向风速和能见度日变化进行了研究。结果表明,葫芦岛站点出现大雾时气压场可分为4类:冷锋前部型、高压前部型、高压后部型、鞍型场型,冷锋前部型主要发生在春季和夏季,高压前部型和鞍型场型主要发生在冬季和春季,高压后部型全年均可发生,4类中只有鞍型场类年频数趋势系数通过了95%信度检验。在低压冷锋锋面前部型和高压后部型中风速以西南风为主,而高压前部型中受海陆风效应影响,北风风向百分比多于西南风向,鞍型场中西南风百分比多于北风风向。     

基于云模型和FCM聚类的遥感图像分割方法

模糊C均值算法由于具有良好的聚类性能而被广泛应用于图像分割领域,但聚类中心的初始化问题一直影响着该算法的运行效率。好的初始聚类中心,可以使算法很快收敛于最优解,而不合适的初始聚类中心,不仅需要更多的迭代次数,而且还可能使算法最终收敛于局部最优解。文章结合云模型和FCM(模糊C均值)聚类算法,提出了一种遥感图像分割的新方法。利用云变换解决模糊C均值聚类算法的初始化中心选择问题,可以根据样本特性自动确定聚类中心值及个数,并以较少的迭代次数收敛到全局最优解,提高了模糊C均值遥感图像分割方法的效率,具有较好的稳定性和鲁棒性。文章选取三幅TM遥感图像作为样本,分别利用云模型的FCM方法和传统的FCM方法对样本进行分割实验,实验表明采用云模型的FCM方法不仅能够取得较好的分割效果,而且大大减少了使算法收敛的迭代次数,提高了分割的效率。     

利用FY-3A 卫星云图对一次暴雨过程的特征云参数分析

利用FY-3A 卫星MERSI 资料,结合高空常规观测、地面雨量资料,对2009 年6 月28 日湖北梅雨期暴雨过程的卫星云图和特征云参数进行综合分析。结果表明: 楔状云(V 型云)是强对流产生的标志,楔尖是云顶最冷、云顶温度梯度最陡之处;短时强降水通常发生在上升运动剧烈的位置,即在高分辨率的可见光图像上可清晰识别出上冲云顶、纹理及暗影等强对流云特有结构的区域;利用模糊C 均值聚类方法得到的自动化云分类结果显示,此次强对流云主体被划分为“积雨云”类,其平均隶属度系数达0.81;地面小时雨量与云顶黑体亮温呈负相关,而与云光学厚度、云粒子有效半径呈正相关。     

基于模糊C均值聚类的云图样本修正与云类自动识别

基于云类样本的红外-可见光二维灰度空间投影,采用模糊聚类方法调整优化云类样本特征区域,消除采样误差。针对常规模糊C均值聚类(FCM)方法在处理上述问题时表现出的局限性,提出用样本特征均值替代FCM中随机初始中心的改进办法,既避免了常规FCM方法对初始中心敏感的缺陷,又可纠正其聚类结果对云类样本特征结构的歪曲。改进后的聚类结果既消除了采样误差,又保持了云类样本的基本特征属性。基于该判据的分类结果,可较为准确地分辨出陆地、水体、低云、中云、卷云、对流云和积雨云,分割判另9结果符合客观实际。     

基于模糊C均值聚类-支持向量机的海底沉积物分类识别

在总结了目前海底底质分类研究的基础之上,率先提出利用计算机数值模拟技术对海底底质进行分类识别研究。相较于目前海底底质分类研究中所使用的水槽实验法,提出采用计算机数值正演技术模拟实际地震勘探中数据采集过程。在分类识别算法上,分别采用支持向量机(SVM)和模糊C均值聚类(FCM)算法对采集的数据进行分类,为使支持向量机分类识别率达到最大,引入差分进化算法对支持向量机中关键参数进行最优化搜索,并研究了向原始地震记录中加入10%,30%,50%的高斯白噪音时算法的稳定性。在分析了这两种算法分类识别的正确率及其各自的优缺点后,提出了海底底质分类识别的两步法,即(1)先利用模糊C均值聚类进行一粗糙的预测分类,在每一类中挑选聚类性较好的数据作为支持向量机的训练样本;(2)将上一步中筛选的样本作为支持向量机的训练样本,并用差分进化算法优化支持向量机分类参数,再利用训练好的支持向量机对其余数据做预测分类。鉴于计算机数值模拟的可重复性、高效快速性及本文提出的模糊C均值聚类-支持向量机方法的鲁棒性,为便于开展进一步研究,归纳总结了一套行之有效的采用计算机数值模拟技术开展海底底质分类识别研究的一般化流程。