罗源湾南岸上元—坑园牡蛎礁与海平面变化

上元-坑园牡蛎礁位于高潮位以下3m,主要成分为长牡蛎和近江牡蛎,其~(14)C年龄为3043±82a,B.P.。据此推算出罗源湾一带海岸处于缓慢上升状态,速率为1.15mm/a。根据上元-坑园牡蛎礁的上述特征,并结合断块差异升降运动的表现,作者认为这一地区中、晚全新世以来以“陆动型”海平面变化占主导地位。     

对虾封闭式工厂化养殖水环境要素的变化特征及其相互关系

根据2002年8月7～8日对虾工厂化养成中后期A、B代表池的实测数据，分析讨论了该时期养殖水体中环境要素的变化特征及其相互关系．结果表明：研究水体水温、盐度和溶解氧含量适宜．日变化幅度不大．但pH值略为偏低，而COD值明显偏高．与该时期投饵量大，残饵及排泄物明显增加有关．但对A池来说，生物作用的影响占主导地位，而对B池而言．则以化学过程影响为主．     

氮浓度对四株海洋绿藻总脂含量和脂肪酸组成的影响

本文用NaNO3作为氮源,分别作了氮浓度的五个水平对2属(小球藻属、裂丝藻属)的四株绿藻的生长率、总脂含量及主要脂肪酸组成的影响。C19、C97和C102的脂肪含量随N浓度的改变而有较大变化,其中C102在1.6m mol/L时脂肪含量达到最大值(24.8%)。C95的脂肪含量随氮浓度变化不大。同时,由氮浓度引起的平均生长率μ与总脂含量之间无明显相关关系。四株绿藻的EPA(20∶5n-3)和PUFAs(polyunsaturated fatty acids)含量随培养基中氮浓度的改变有较大变化但因种而异。C95和C97均在中等氮浓度时EPA含量达到最大值,分别为23.8%和27.4%。C19和C102在高氮浓度(40mmol/L)获得EPA的最大值,分别为25.7%和26.6%。     

声波对海洋生物的影响与作用的研究

本文研究了声波对某些海洋生物的影响与作用。实验表明，适当的声波剂量对海洋生物的作用所产生的声学生物效应是积极的，可促使生物体向有利的方向产生变异，而强度过大的声波对海洋生物有效伤甚至致死的效应。     

1998年春夏南海温盐结构及其变化特征

利用1998年5～8月“南海季风试验”期间“科学1”号和“实验3”号科学考察船两个航次CTD资料,分析了1998年南海夏季风暴发前后南海主要断面的温盐结构及其变化特征.观测发现,南海腹地基本被典型的南海水团所控制,但在南海东北部尤其是吕宋海峡附近,表层和次表层水明显受到西太平洋水的影响.季风暴发以后,南海北部表面温度有显著升高,升幅由西向东递减,而南海中部和南部表面温度基本没变,这使得南海北部东西向温度梯度和整个海盆南北向温度梯度均减小.北部断面表层盐度普遍由34以上降低到34以下,混合层均有所发展,是季风暴发后降水和风力加剧的结果.观测期间黑潮水跨越吕宋海峡的迹象明显但变化剧烈.4～5月,黑潮次表层水除在吕宋海峡中北部出现外,在吕宋岛以西亦有发现,表明有部分黑潮水从吕宋海峡南端沿岸向西进而向南进入南海.6～7月,次表层高盐核在吕宋海峡中北部有极大发展,但在吕宋岛以西却明显萎缩;虽然看上去黑潮水以更强的流速进、出南海,但对南海腹地动力热力结构的影响未必更大.一个超过34.55的表层高盐水体于巴拉望附近被发现,似与通过巴拉望两侧水道入侵南海的西太平洋水有关.     

南海北部海区上层水体平均声速场的变化

对所收集到的南海北部海区的温度、盐度和深度历史资料进行了声速的计算、统计与分析,结果表明该海区上层水体的平均声速场有较明显的年际变化:表层声速的平面分布显示出沿岸水与外海水强弱交替变化的特征,声速等值线的走向几乎与岸线平行,等声速线的值自近岸向外海增加,大陆架外缘海区声速的水平梯度较大;下层声速的分布以环流和水体共同作用的形式出现,50m层声速平面分布的趋势除冬季与表层稍为相似外,其余季节与表层有明显的差别,春、夏季节50m层声速自西向东增加,而秋季与其表层分布相反,自近岸向外海减小;声速的垂直分布受海水升温与降温的影响显著,春、夏季表层海水升温,海表声速最大,声速自海表随深度的增加而减小;秋、冬季表层附近水层降温,声速稍偏低,普遍出现正梯度现象,最大声速移至表层以下的水层,这个深度随季节的改变而改变,随海区的不同而不同.该海区的平均声速有年波动现象,表层波幅最大,随深度的增加波幅变小,至100m水层其波动的位相几乎与表层相反.     

煤炭资源勘查误差理论研究

对煤炭资源勘查资源量与客观物质量之间差值的误差理论探讨,提出误差由真值误差、系统误差和离差3个基本部分组成,其中真值误差是不可消除的观测误差、系统误差是控制网度所决定的准确度标准、而离差是由地质构造及矿床形态的多解性产生的资源量波动。在此基础上,构筑了一个关于误差的数学模型,最后应用误差理论对现行勘查工作中常见的错误进行分析,并就如何避免错误及减少误差提出了见解。     

全站仪交汇法在高速公路路面沉降监测中的应用

文章介绍了全站仪交会法沉降监测,方便简洁地解决了测量人员不能进入的高速公路等特殊位置的测量问题,并通过对该方法的精度分析,论证了其可行性和有效性,对以后类似的测量工作提供经验和依据。     

智能全站仪在大型压力容器焊接变形监测中的应用

在大型压力容器的部件焊接过程中,由于预热、焊接等工艺流程会导致各部件产生变形,从而引起部件之间的位置关系产生变化。为保证压力容器成品满足设计要求,必须在制造过程中实施变形监测,依据变形数据适当调整焊接工艺流程,控制变形量。提出采用智能全站仪配以自动变形监测软件对大型压力容器焊接变形进行实时监测,并应用于生产实践中,监测结果表明该方法自动化程度高、实时性好,能同时给出位置和姿态变形数据。     

On the multivariate total least-squares approach to empirical coordinate transformations. Three algorithms

The multivariate total least-squares (MTLS) approach aims at estimating a matrix of parameters, Ξ, from a linear model (Y−E _Y = (X−E _X ) · Ξ) that includes an observation matrix, Y, another observation matrix, X, and matrices of randomly distributed errors, E _Y and E _X . Two special cases of the MTLS approach include the standard multivariate least-squares approach where only the observation matrix, Y, is perturbed by random errors and, on the other hand, the data least-squares approach where only the coefficient matrix X is affected by random errors. In a previous contribution, the authors derived an iterative algorithm to solve the MTLS problem by using the nonlinear Euler–Lagrange conditions. In this contribution, new lemmas are developed to analyze the iterative algorithm, modify it, and compare it with a new ‘closed form’ solution that is based on the singular-value decomposition. For an application, the total least-squares approach is used to estimate the affine transformation parameters that convert cadastral data from the old to the new Israeli datum. Technical aspects of this approach, such as scaling the data and fixing the columns in the coefficient matrix are investigated. This case study illuminates the issue of “symmetry” in the treatment of two sets of coordinates for identical point fields, a topic that had already been emphasized by Teunissen (1989, Festschrift to Torben Krarup, Geodetic Institute Bull no. 58, Copenhagen, Denmark, pp 335–342). The differences between the standard least-squares and the TLS approach are analyzed in terms of the estimated variance component and a first-order approximation of the dispersion matrix of the estimated parameters.