低轨道人造卫星(CHAMP、GRACE、GOCE)与高精度地球重力场——卫星重力大地测量的最新发展及其对地球科学的重大影响

评述了卫星重力大地测量的最新发展及其对地球科学的重大影响。为了更好地理解地球内部物理构造与海洋动力学，以及大陆，冰川和海洋的相互作用，改善现有地球重力场模型（包括精度和空间解析度）是非常重要的。IUGG等国际组织对此已经强调了很多年。最近，由德国的GFZ（GeoForschungsZentrum)，美国的NASA（National Aeronautics and Space Adminitration)以及欧洲宇航局ESA（European Space Agency)开发研制了最先进的地球监测技术－SST（Satellite-to-Sateilite Tracking)。其主要特点是利用现有的GPS连续追踪新发射低轨道卫星，并由低轨道卫星对地球重力场作精密观测。已经发射和即将发射的卫星有3颗：GHAMP（Challenging Mini-Satellite Payload for Geophysical Research an Application)已经于2000年发射；GRACE（Gravity Recovery and Climate Experimert)定于2002年发射；GOCE（Gravity Field and Steady-state Ocean Cirulation Explorer)计划2004年发射，它们可以统称为重力卫星。载有SST技术的人造卫星的主要目的是获得具有前所未有的高精度和高空间解析度的全球重力场和大地水准面模型，加强人们对地球内部构造的理解并为海洋和气象研究提供更好地参考。上述3个重力卫星工作在有明显区别的不同波谱内，它们有不同的科学应用，仅有一小部分重合。所以，就应用而言它们是完全互补的。它们在地球科学中的应用将是广泛的，特别对于固体地球物理学，海洋学以及大地测量学等领域，它们将会带来革命性的变化，其意义不亚于GPS。     

红阳煤田石炭-二叠纪含煤地层的沉积特征

红阳煤田含煤地层太原组与山西组,是一套典型的“海陆交互相”沉积。依据剖面上沉积相序列变化特点,可划分为14个沉积旋回,每个沉积旋回均含有一层煤。有二种聚煤环境:一是海水退出潮坪后形成的泥炭沼泽聚积的煤层;二是扇三角洲平原形成的泥炭沼泽聚积的煤层。     

一种新的振幅滤波法在化磁极中的应用

本文针对低纬度地区频率域化磁极存在的问题，在频谱分析的基础上，提出了一种新的滤波方法即振幅滤波法。该方法能将低纬度地区化极磁场的频谱恢复到垂直磁化磁场的频谱，大大提高了低纬度地区化磁极的精度。     

雾的形成

如果地面附近的空气相当潮湿，当温度降低到一定程度时，空气中的部分水汽就会凝结出来．变成很多小水滴，悬浮在靠近地面的空间里。如果靠近地面的空气层里的小水滴多了．能见度低了，这就形成了雾。     

Hamilton系统数值计算的新方法

系统地介绍了近年来对Ｈａｍｉｌｔｏｎ系统数值计算新建立的辛算法和线性对称多步法，并对它们在动力天文中的应用作了一简要回顾。     

矩形虾池环流的流动特点与流动阻力

对矩形虾池在水车式增氧机作用下产生的环流特点进行理论分析，结果表明，在转角处会形成涡旋，边壁附近在一定条件下会产生回流；利用ANSYS软件的FLOTRAN CFD进行数值计算，获得与理论分析一致的结果，与现场实际情况吻合。并进一步对虾池阻力进行分析，提出了一些减阻措施。     

一种从经纬度网格资料获得正方形网格资料的插值方案

本文提出了一种把经纬度网格点上的气象要素值转化到正方形网格点上的多项式插值方案。对插值方案作了稳定性讨论和定量及定性分析。结果表明,这种插值方案方便可行,而且有广泛适用性。     

冬半年青藏高原低涡发生发展的天气学分析

本文针对冬半年高原低涡几个不同源地的低涡生成背景,着重分析500hpa环流场,指出:地形对低涡生成是非常重要的条件,但一定范围内有利的环境流场也是低涡生成不可缺少的外部条件。并给出了不同涡源区有利于低涡发生,发展的500hpa环流形势。     

一次西南低涡过程的地面场中尺度分析

本文运用带通滤波分析方法,对四川省1981年7月由西南低涡等天气系统引起的大暴雨过程作了地面气象要素场的中尺度诊断分析。结果表明,带通滤波后的场具有明显的中尺度特征,其中一些物理量场的适当配置与6小时后的暴雨中心有较好的对应关系。说明了此带通滤波方法在实际业务预报中具有一定的使用价值。     

SIMULATION AND PREDICTION OF DEBRIS FLOW USING ARTIFICIAL NEURAL NETWORK

Debris flow is one of the most destructive phenomena of natural hazards. Recently, major natural haz-ard, claiming human lives and assets, is due to debris flow in the world. Several practical methods for forecasting de-bris flow have been proposed, however, the accuracy of these methods is not high enough for practical use because of the stochastic and non-linear characteristics of debris flow. Artificial neural network has proven to be feasible and use-fill in developing models for nonlinear systems. On the other hand, predicting the future behavior based on a time se-ries of collected historical data is also an important tool in many scientific applications. In this study we present a three-layer feed-forward neural network model to forecast surge of debris flow according to the time series data collect-ed in the Jiangjia Ravine, situated in north part of Yunnan Province of China. The simulation and prediction of debris flow using the proposed approach shows this model is feasible, however, further studies are needed.