不同生长期坛紫菜多糖中组分含量的变化

于１９９０－１９９１年，运用＾１３Ｃ－ＮＭＲ和化学分析方法研究南方产和移植北方养殖的不同生长发育阶段坛紫菜多糖的组分变化，结果表明，随着藻体生长发育，坛紫菜琼胶中３，６－内醚－Ｌ－半乳糖和６－ＯＣＨ３－Ｄ－半乳糖的含量逐渐增加，而硫酸基的含量呈现先增加后减少的规律；北移坛紫菜琼胶中３，６－内醚－Ｌ－半乳糖的含量高于南方坛紫菜，而硫酸基和６－ＯＣＨ３－Ｄ－半乳糖的含量低于南方坛紫菜。     

可数背景状态下QBD过程的平稳分布尾渐近态

考虑在可数背景状态下，时间离散的拟生灭过程（QBD过程）平稳分布的尾概率的渐近态。通过对QBD过程某些条件的限定，应用马尔可夫更新定理，得出在一定合理的条件下，当水平趋于无穷时的尾概率的几何衰变。通过初等方法，将该结论应用于时间离散的加入最短队模型。     

Nonparametric Estimates of the Sea State Bias for the Jason-1 Radar Altimeter

The Jason-1 sea state bias (SSB) is analyzed in depth from the first year of GDR products. Compared to previous missions, this work benefits from two aspects of the empirical determination of the SSB from the altimetric data themselves. First, from a methodological point of view, a nonparametric technique (NP) has been developed and largely tested on TOPEX/Poseidon 1, GFO and Envisat data. The NP estimator has proven to be a useful tool in the SSB estimation, and it is now mature enough to be used for a refined analysis. On the other hand, the SSB can be extracted from three different data sets (crossovers, collinear data, and residuals) with different characteristics. It is then possible to cross calibrate various estimations of the SSB models and to determine the most accurate one. A systematic comparison is made between these different estimates for the Jason-1 altimeter. The collinear and crossover data sets yield very similar estimates despite their difference of spatial and temporal distributions. These SSB models assure consistency with the TOPEX mission when comparing Jason-1 and TOPEX residuals during the tandem phase. Thanks to the present work, the impact of the short wavelengths filtering on the SSB estimation is evidenced. More generally, our understanding of potential errors affecting the sea surface height and their impact onto the SSB estimation is also improved.     

对中强地震发震时间的模糊灰色预测

本文视地震系统为模糊灰色系统,由此建立关于发震时间的模糊灰色预测模型,该模型认为已知地震样本集及待预测集的震级分布属模糊正态分布,应用模糊聚类思路于样本集元素的选取,引入最佳震级从属函数μ~*的选择过程。针对可能产生的趋势性偏差,根据实际资料对模型进行了修正。并以华北平原地震带、燕山渤海地震带及山西地震带为例,对模糊灰色GM(1,1)预测模型的实际应用及有关问题进行了初步讨论。     

基于高分一号卫星的江西樟树市地质灾害评价

运用高分一号卫星进行江西樟树市地质灾害评价对于科学防治地质灾害,提高国产卫星应用水平具有重要意义。本文通过正射校正、影像融合、几何校正等步骤对高分一号影像进行预处理,然后对处理后的影像进行地质灾害解译,获取樟树市地质灾害分布情况。在进行地质灾害评价过程中采用小流域评价单元,选取灾害点密度、地表水文、构造断裂带、工程活动、岩土类型、地形坡度等6个评价因子,并运用层次分析法确定因子权重,通过加权平均法最终获得樟树市地质灾害易发性综合评价图,其精度为78%。结果表明樟树市易发生地质灾害的地区占全市总面积的34.68%,易发程度最高的地区主要分布在东南部,占全市总面积的7.82%。     

基于数据融合的浅层地下水提取技术研究

为提高浅层地下水遥感探测的准确性和效率,开辟遥感找水新思路,首次将空间分辨率为30 m的Landsat-7ETM多光谱数据和空间分辨率为150 m(Wide Swath模式)的Envisat-1 ASAR先进合成孔径雷达数据进行了融合,并利用基于主成分变换(PCA)和小波变换(WT)的融合算法成功地找到了浅层地下水信息异常带。通过实地调查和物探、钻探验证,I、II、III级找水靶区的富水性情况与预测结果基本一致,并在上述靶区找到了丰富的浅层地下水,证实了该方法的可行性和实用性,可为今后地下水快速勘察提供新的技术手段。     

邻近算法在微地震震源位置和一维速度模型同时反演中的应用

微地震事件的空间分布可以用来监测水力压裂过程中裂缝的发育情况.因此,震源定位是微震监测中重要的环节.震源定位依赖准确的速度模型,而震源位置和速度模型的耦合易导致线性迭代的同时反演方法陷入局部极小值.邻近算法作为一种非线性全局优化算法,能够最大程度地避免陷入局部最优解.本文将邻近算法应用于单井监测的微震定位和一维速度模型...     

用多变量灰色预测模型模拟预测参考作物蒸散量的研究

当观测资料的数据量少而又存在多个相互影响或关联的变量时,常用的灰色预测模型GM（1,1）不能全面考虑多个变量。为此,采用自适应MGM（1,n）模型—多变量灰色预测模型,较好地解决了这一问题。针对一些地区气象数据较少甚至缺失的情况,以内蒙古正蓝旗的气象资料用Penman-Monteith计算的参考作物蒸散量（ET0）为研究对象,运用灰色系统理论建立MGM（1,3）模型,模拟预测参考作物蒸散量变化规律,并与GM（1,1）模型和BP神经网络模型比较,结果表明MGM（1,3）模型有较好的预测效果。     

国产高分数据在草原露天煤矿植被监测中的应用

利用高分一号卫星数据建立小尺度CASA－NPP估算模型,反演及监测草原露天煤矿区草地NPP空间分布格局,以及煤矿区内部复垦植被的NPP与表层土壤之间的关系。利用归一化植被指数、归一化水体指数等获取CASA模型有效光辐射参数、水分胁迫系数等,从而简化并改进小尺度CASA模型,遥感反演数据与实测样点数据拟合度达到0．94。结果表明,该模型能够高精度地完成小区域NPP估测。从利用CASA模型反演得到的NPP空间格局可以看出,这一地区的植被退化以采矿、放牧等人类活动为主导,原地貌区域围栏的典型草甸草原NPP在300～400 gC／m2· yr 之间,高于放牧区域 NPP,矿区内 NPP 空间变化显著,矿区内部 NPP 低于100 gC／m2· yr,明显低于周边原地貌地区。对于矿区复垦排土场区域,复垦年限和表土的养分是决定植被生长和NPP的主要因素。研究得出国产高分卫星数据可以高精度地完成小尺度NPP的估测,从而为其在草原地区以及矿山环境中监测提供了研究基础。     

A unified C-band and Ku-band geophysical model function determined by neural network approach

The geophysical model function （GMF） describes the relationship between backscattering and sea surface wind, so that wind vec- tors can be retrieved from backscattering measurement. The GMF plays an important role in ocean wind vector retrievals, its performance will directly influence the accuracy of the retrieved wind vector. Neural network （NN） approach is used to develop a unified GMF for C-band and Ku-band （NN-GMF）. Empirical GMF CMOIM and QSCAT-1 are used to generate the simulated training data-set, and Gaussian noise at a signal noise ratio of 30 dB is added to the data-set to simulate the noise in the backscat- tering measurement. The NN-GMF employs radio frequency as an additional parameter, so it can be applied for both C-band and Ku-band. Analyses show that the %predicted by the NN-GMF is comparable with the σpredicted by CMOIM and QSCAT-1. Also the wind vectors retrieved from the NN-GMF and empirical GMF CMOIM and QSCAT-1 are comparable, indicating that the NN-GMF is as effective as the empirical GMF, and has the advantages of the universal form.