论我国高程基准面的确定问题

本文论述计算平均海面的原理和方法，、以便确定出我国区域性大地水准面．(高程基准面)．利用给定验潮站的海面19年的每小时记录，按照每天24小时砚测直接平均和Xo、Zo、No、Oo滤波器，分析结果表明，计算精度可达1mm，基本满足区域大地水准测量的要求。     

耗散源函数及LAGFD-WAM海浪数值模式的改进

本文是在LAGFD-WAM海浪模式方法基础上,根据破碎波统计理论给出了LAGFD耗散源函数形式。同时对LAGFD-WAM模式进行了改进并与WAM模式作了三种典型风场下的对比实验和实测结果检验,取得了较好的结果。     

黄、渤海盐度准三维数值预报模式

黄、渤海盐度的垂直结构具有典型的自模性,而其水平分布又受平流、水平扩散效应及径流等因素的影响。本文根据黄、渤海实测资料拟合了盐度垂直剖面的自模函数,并结合描述表、底层盐度及上均匀层厚度这三个特征量水平分布的方程,形成给出盐度三维结构的准三维模式。在模式中,综合考虑了海面风和热输入的强迫作用以及流场的平流、侧向混和及底层混和影响因素,同时还考虑了径流、蒸发及降水的作用,较客观地反映了盐度的三维分布及其变化的物理过程。试报结果分析表明,模式的功能较好,结果令人满意。     

基于非线性测度函数的改进属性识别模型在水质综合评价中的应用

线性测度函数的传统属性识别模型,对水质评价标准随机抽样的评价结果存在较大误差。为增加其对实测样本评价的可信度,提出了基于非线性属性测度函数的改进属性识别模型。均匀随机和正交设计两种抽样的评价试验显示,改进属性识别模型评价结果准确度明显好于传统模型,说明指标的属性测度函数对属性识别模型的综合评价结果有重要影响。太原市地下水水质的综合评价实例说明,由于非线性测度函数比线性测度函数能更好地描述评价指标的实际隶属度,故改进的属性识别模型具有更高的评价可信度,在水质综合评价中具有更广泛的适用性。     

FPAR的Monte Carlo模拟研究

FPAR (fraction of photosynthetically active radiation absorbed by the canopy)是植被冠层阻截太阳光合有效辐射的比例,是遥感估算陆地生态系统植被净第一性生产力(NPP)的重要参数.利用Monte Carlo方法模拟光子在植被冠层中的辐射传输过程,以植被冠层二向反射分布函数的模拟来验证模拟的正确性;在此基础上对400-700nm光合作用波段范围内的植被叶片吸收光子辐射比例的FPAR进行模拟.FPAR的Monte Carlo模拟结果,揭示了FPAR与太阳天顶角及植被冠层参数之间的关系.     

基于蚁群智能的遥感影像分类新方法

智能式遥感分类是遥感研究的新热点.提出了一种基于蚁群智能规则挖掘(ant-miner)的遥感影像分类新方法.遥感数据各波段之间存在较强的相关性,这种相关性往往会导致分类产生误差.而ant-miner算法中的信息素是基于规则整体性能的,信息素的动态更新能有效地处理相关性较强的数据,所提供的正反馈信息能纠正启发式函数缺陷所造成的错误.因此,蚁群智能算法应用于遥感分类具有一定的优势.将该方法用于广州市地区的遥感影像,取得了较好的分类结果.并与See5.0决策树方法及最大似然方法(MLH)进行了对比研究,实验结果表明,蚁群智能算法分类精度比后两者的分类精度更高.     

呼伦贝尔市煤矿矿区地质环境保护与综合治理

通过对呼伦贝尔市煤矿地质环境敏感性的综合评价,结合当地实际情况,提出了以修筑拦挡建筑物、支撑与坡面防护、锚固、排水、选择更合理的开采工艺等技术手段,对该地区地质灾害进行防治的方案。方案对海拉尔河河道治理、生物措施、井下回填工程、加固边坡、抽排水、发展煤矸石砖厂、移民避让、招商引资8个部分提出了防治方法,促进地质环境治理工作的进行。     

实验变差函数计算方法的研究与运用

本文系统、详尽地分析讨论了不同样品数据条件下实验变差函数的计算方法。在实验变差函数计算流程的设计和有效样品搜索域的确定方面提出了自己独特的见解。最后用一个矿山的控矿工程教据对文中介绍的方法进行了测试。结果表明,利用本文的方法,容易得到稳健、准确、信息量高的实验变差函数。     

基于一类新小波函数基的GPS相位观测值周跳探测

阐述了可通过1个参数因子来调节前后差分点个数的思路,研究了利用小波分析来平滑原始资料和探测GPS相位观测值周跳的方法,并通过CHAMP卫星实测数据进行分析,得出一些有益的结论.实践表明,该方法提高了周跳探测的有效性.     

基于信息熵的遥感分类最优空间尺度选择方法

以影像分类为例,从类别可分性的角度提出了基于信息熵的最优空间尺度选择方法.实验结果表明,基于信息熵的最优尺度选择方法的结果有很好的合理性,符合实际的分类结果,能够在一定程度上指导实际遥感分类中的空间尺度选择.