美国东南部大陆边缘的天然气水合物利用宽角地震资料进行全波形约束和走时反演

利用BSR已完成美国东南边缘大约50000km2的地区编图，并已证实可能与大量天然气水合物有关。1992年6月，同时获得该地区的单道地震和宽角海底地震资料，主要集中在布莱克洋脊和卡罗来纳海隆，能清楚地观察到来自BSR的宽角反射偏移距（达6km）。为了了解区域性的变化和生成卡罗纳海隆高背景速度的二维平均速度模型，用宽角和垂直入射资料进行走时反演，然后做全波形反演业确定BSR的地震成因。最合适的模型显示了两处的BSR之下具相似的低速（1.4km/s），暗示圈闭了低饱和度（10％）的游离气，反演结果也显示有一薄层高速楱状体，最大速度为2.3km/s，刚好位于布莱克洋脊的BSR上方；计算了沉积物反射率，观察到卡罗来纳海隆具有较高的反射率，BSR之下的反射率增加几乎与两个站位的含气带对应。根据速度模型估算了水合物的浓度。另一方面，占沉积物总体积3%的水合物之平均浓度暗示布莱克洋脊地区水合物稳定带厚度少一半。卡罗来纳海隆水合物平均 浓度最大为20%，卡罗来纳海隆7%。这两处水合物浓度高，无法仅用原地生物活动来解释，可能与次生的聚集机制不关，因稳定域迁移引起水合物循环，可能影响两地的水合物凝聚。另外，流体向上排出的增加，也可以使 布莱克洋脊生存下去。     

三对角系统的最佳向后扰动分析

用一种新方法研究了三对角方程组及对称三对角方程组计算解的最佳向后扰动分析。由于这两类方程组的系数矩阵具有特殊结构 ,因而本文结果不能从已有结果直接导出。所用方法亦可用于研究 KKT及 SQD等结构线性系统的最佳向后扰动分析。     

厦门湾有色溶解有机物的光吸收特性研究

研究了厦门湾九龙江河口区、西海域、同安湾及东侧水道海水中有色溶解有机物(CDOM)的光吸收特性,分析了CDOM的河口行为,并讨论了CDOM光吸收特性与其荧光性质之间的关系。结果表明,厦门湾表层海水CDOM光吸收系数a(355)的水平分布表现为河口区最高、东侧水道最低、西海域和同安湾介于两者之间,底层水a(355)的分布与表层基本相似,表明陆源河流输入是厦门湾CDOM的主要来源;a(355)的垂直分布为表层高于底层,主要受水文和生物因素控制。厦门湾表层水CDOM光谱斜率S的平均值介于0.014—0.018nm-1,但河口低盐度区S值较小,反映陆源腐殖质的影响。a(355)在河口混合中呈保守行为,表明CDOM具有良好的保守性质。CDOM的吸收系数a(355)与其荧光强度之间表现为较好的相关关系,指示可以用灵敏度更高的荧光方法来研究CDOM的分布和行为。     

水中矿物油荧光特性实验研究

为了实现现场测量地表水中矿物油含量的全光纤荧光计的研制。采用荧光光谱测量分析方法 ,于 1 999年 1 0月— 2 0 0 0年 5月 ,采集了国内外不同的地区原油和成品油共 2 3种 ,用1 4种不同波长的激发光激励 ,进行荧光光谱特性测量实验研究。同时 ,对不同浓度的矿物油、水混合液也进行了测量实验 ,得出其最低检测浓度为 0 .0 0 5mg/L ;测量了青岛近岸海域表层受油污染海水的含油量为 0 .0 1～ 0 .2 2mg/L ;此外对水中矿物油受激荧光发射原理也作了简述。并对水中矿物油荧光光谱特性、浓度与荧光强度的关系 ,以及为研制现场测量水中矿物油浓度的全光纤荧光计的可能性作出了结论性的意见     

水中矿物油荧光特性实验研究

为了实现现场测量地表水中矿物油含量的全光纤荧光计的研制，采用荧光光谱测量分析方法，于1999年10月－2000年5月，采集了国内外不同的地区原油和成品油共23种，用14种不同波长的激发光激励，进行荧光光谱特性测量实验研究，同时，对不同浓度的矿物油，水混合液地进行了测量实验，得出其最低检测浓度为0．005mg/L，测量了青岛近岸海域表层受油污染海水的含油量为0．01－0．22mg/L，此外对水中矿物油受激荧光发射原理也作了简述，并对水中矿物油荧光光谱特性，浓度与荧光强度的关系，以及为研制现场测量水中矿物油学的全光纤荧光计的可能性作出了结论性的意见。     

基于K-L变换的多光谱图像增强方法

为在多光谱图像增强同时保持其光谱特性,提出了基于K-L变换的多光谱图像增强方法,并在研究如何准确量化增强前后光谱保持度的基础上,提出了光谱特性保持系数的概念.实验结果表明,该方法在对多光谱图像增强的同时,能较好地保持多光谱图像的光谱特性.     

简化模糊H-ARTMAP神经网络在高光谱遥感分类中的应用

人工神经网络作为一种不需估计类别分布参数的遥感影像分类方法,能够克服分类中的不确定性,提高分类精度。模糊ARTMAP人工神经网络具有稳定、泛化性能好、支持增量式学习等特点,通过对简化模糊AR-TMAP神经网络和H-ARTMAP神经网络的分析和集成,构造了一种用于高光谱遥感影像分类的简化模糊H-ART-MAP网络。实验证明该方法在分类效率、运算时间和分类精度等方面都优于最大似然分类、BP神经网络、最小距离分类、光谱角制图模型等分类方法。     

植被波谱空间尺度效应及尺度转换方法初步研究

基于遥感图像的地物识别需要大量地物波谱数据的支持,而现有地物波谱库中收集到的同一地物的波谱,由于其测量尺度和方法的差异,波谱也存在很大差异.以冬小麦为例,首先介绍了材料波谱、端元波谱和像元波谱这3种不同尺度波谱的概念,并以实验数据分析了不同测量尺度下波谱的差别,以此说明波谱尺度转换的必要性.然后利用物理模型和统计模型建立不同测量尺度下的波谱转换关系.分别验证了SAILH模型和线性光谱混合模型在波谱转换中的精度.研究表明,在大尺度上采用统计模型,在小尺度上采用非线性的物理模型可以解释不同尺度观测植被波谱之间的差异.     

基于高光谱Hyperion数据的线性光谱混合模型与神经网络模型的比较

混合像元问题是定量遥感中的热点问题之一,为了改进从遥感数据中提取定量信息,人们建立了各种混合光谱分解技术,其中线性光谱混合模型和神经网络模型就是两种比较成熟的方法。以陕西省横山地区的高光谱Hyperion数据为研究基础,通过最小噪声变换(MNF)、像元纯度指数(PPI)转换和RMS误差分析的迭代方法相结合提取影像中的纯净像元作为终端端元。分别运用神经网络模型和线性光谱混合模型对影像进行光谱分解,得到各个组分的分解图像。以标准植被指数(NDVI)影像为衡量标准,选取训练样本点,分别对两种模型进行回归分析,结果显示NDVI影像与线性光谱混合模型植被分解图像的判定系数(R2=0.91)要大于其与神经网络模型的判定系数(R2=0.81)。进一步分析表明在一般情况下,线性光谱混合模型具有比神经网络模型略高的分离精度,但是神经网络模型对细部信息的提取的效果要好于线性光谱混合模型,最后提出了端元均方根误差(EAR)指数,一种新的混合像元分解的思路。