古土壤的分类系统及其在地质学中的应用领域

古土壤是近年来沉积学研究领域的一个热点。古土壤就是形成于过去地貌上的土壤,是暴露在地表的沉积物或岩石经过物理的、生物的和化学的改造形成的,一般形成于很长的地貌稳定期,记录了地层间断或不整合,蕴含着丰富的有关古气候、古植被、古地貌、沉积环境状况的信息,并且是指示地层时代的"化石"。古土壤对恢复地质历史时期古植被与古环境、古气候提供了新的途径,是地层划分、对比的重要标志,并且可用以重建沉积盆地古地貌。古土壤的识别可以根据野外宏观标志、室内微观特征来进行,但是古土壤学家还没有解决古土壤的分类问题,我们对国际上流行的几种古土壤分类方案进行评述,认为古土壤的分类应该根据不同的应用目的采用不同的分类方案,而且在一个分类系统的组名中可采用形容词的组合作为修饰语。     

东太平洋铁锰结核区微生物的丰度及其成矿作用研究

于１９９４年４－１１月东太平洋铁锰结核期探区,随向阳红０９号船,采集了３９个表层沉积物,１２个上覆水和７个结核样,在现场用平板法测定了异养细菌和铁,锰细菌丰度,用稀释法（ＭＰＮ法）测定硫酸盐还原菌丰度,在实验室对船上带回的异养细菌和锰细菌进一步纯分分离,进行了１２项生化试验,对照伯杰氏手册第八版鉴定至属。为了探讨微生物在大洋成矿过程的作用,使用分光光度法,测定锰细菌对锰,铁离子的转化作用和不同培养     

粤西海域水质评价方法的研究及应用

针对海洋水质评价问题,建立了一套先利用主成分分析法明确各水质指标权重关系,继而参考权重关系依照海水水质分类标准建立分类样本,最终通过判别分析方法建立判别函数实现水体自动分类的方案。该方案在粤西海域,水体分类回判符合率达到91.4%。依据自动分类结果绘制了粤西海域2008—2010年水体分布专题图,为粤西海域环境污染防治提供了决策依据。     

西太平洋马里亚纳海沟附近海山的金相柳珊瑚属(珊瑚虫纲:软珊瑚目:金柳珊瑚科)二新记录种

为探究热带西太平洋海山生物多样性,2016年利用"发现"号遥控无人潜水器(ROV)对西太平洋马里亚纳海沟附近的M2海山进行了采样调查,其中获得了3个深水金相柳珊瑚样本。通过光学显微镜和扫描电镜观察,鉴定其为黑发金相柳珊瑚Metallogorgia melanotrichos(WrightStuder,1889)和长刺金相柳珊瑚Metallogorgia macrospina Kükenthal,1919。这两种金相柳珊瑚均为该区域的新记录种,对其作了详细的形态描述,并依据特征性状对该属所有物种作了分类检索。     

卷积神经网络在SAR遥感海冰分类中的应用可行性分析

分别介绍了卫星遥感海冰监测、分类的传统方法,以及卷积神经网络在遥感影像分类识别中的应用成果。尝试将在图像识别、语言检测等方面取得成功的卷积神经网络算法应用在海冰图像分类中,利用其能够应对非线性、网络结构简单、可并行运算等能力去解决海冰数据分类问题。     

滨海湿地稀疏采样重构高光谱图像分类精度评价

高光谱遥感影像维数高、数据量大、波段之间的相关性强,分类时易出现"Hughes"现象,因此在分类过程中如何有效减小数据处理过程中的计算量,又保证原始数据重要的地物信息不丢失具有重要的意义。压缩感知理论可通过远低于耐奎斯特的采样率和少量观测数据实现信号的精确重构,具有对硬件读写要求低、图像恢复效果好等优势。通过利用基于小波变换的压缩感知算法对黄河口地区的高光谱影像进行图像重构,然后分别采用SVM算法、最大似然法以及神经网络分类法对重构后的影像进行分类,并对分类结果的精度分别从空域和小波域、不同的测量值等维度进行了分析和比较。结果表明:(1)压缩感知理论重构后的影像保留了原始影像的基本信息,保证了分类精度;(2)SVM算法的分类精度最好,空域和小波域的分类精度基本一致;(3)分类精度随测量值的增加先逐渐提高,然后趋于稳定。     

基于主成分分析和决策级融合的高光谱图像分类方法研究

为了评价主成分分析方法和决策级数据融合方法对高光谱图像地物分类结果的影响,作者利用各分类器和主成分分量的优势,提出了两组地物分类结果的决策级融合策略,利用8种常用监督分类方法对高光谱原始图像和PCA变换后不同分量组合图分类得到的结果进行决策级融合,并应用覆盖黄河入海口新老河道交界处的CHRIS/PROBA高光谱图像开展实验研究。结果表明:直接采用每类地物分类精度最高的、空穴和缝隙采用总体分类精度最高的融合策略,在综合考虑生产者精度和用户精度的情形下,仅使用最大似然法、支持向量机和人工神经网络3种分类方法,按照分类精度从高到低的顺序进行的融合分类效果最好,总体分类精度为87.82%。与8种监督分类方法中效果最好的最大似然法相比,精度提高了2.7个百分点,同时明显减少了错分现象,尤其是对于分布面积较小的翅碱蓬和柽柳,滩涂被误分为翅碱蓬、芦苇被误分为柽柳的现象大大降低。     

基于遗传小波神经网络的海底声学底质识别分类

分割海底声纳探测图像,提取单元特征向量进行主成份分析,选取均值、标准差、对比度、相关系数、能量及同质性作为训练特征向量,构建小波神经网络。利用遗传算法优化小波神经网络的初始权值及小波参数,对砂、礁石、泥3种底质类型分别进行训练,并得到3种底质的测试精度都在90%以上,优于单独利用小波神经网络进行训练时的测试精度,克服了小波神经网络训练时易陷入局部极小的固有缺陷,表明基于遗传算法的小波神经网络可有效用于海底底质声纳图像的识别和分类。     

浙江中南部海雾预报决策树模型研究

利用椒江大陈沿海航线上重要站点一江山岛、大陈站和头门岛2015—2018年2—6月的海雾历史观测资料和NCEP/NCAR FNL再分析资料,从海雾的成因中找出大气与海雾的关系。分析的影响因子包括:地面与高空温差(T1 000 hPa—T2 m)、(T925 hPa—T2 m)、(T850 hPa—T2 m)、(T975 hPa—T2 m)和1 000 hPa相对湿度,低层上升速度分析等。结论如下:(1)暖湿气流本身强弱对大雾无影响,温差才是形成大雾的重要因素,近地层的逆温有利于大雾形成,越低层逆温越强越有利于大雾形成;(2)大雾形成时所需相对湿度基本集中在90以上, 950 hPa上较弱的上升速度利于大雾的形成,散度条件对海雾的影响差别不大;(3)通过训练集数据参与模型的建立,模型整体的学习准确率为0.85。将此测试集数据运用于2019年2—6月的大雾数据检验中,成功率为0.8。决策树模型建立的海雾判别流程可在业务中用于浙中南有无海雾的判别。