风应力涡度和边界力对东中国海环流的效应

多年来，很多国内外学者对东中国海环流的机理进行了研究。近几年，奚盘根等(1980)和冯士筰等(1981)基于f-坐标系的风涡度一热盐梯度全流方程分别数值地模拟了冬、夏季东中国海环流。他们指出，控制东中国海环流主要因子是边界力(黑潮)、热盐力和底形分布。袁耀初等(1982)也数值地模拟了东中国海环流结构，     

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。     

坐标相似变换模型的探讨

常用的坐标转换模型,讨论了大地高的不确定性对应用Bursa模型进行坐标转换的影响。结合工程应用的实际情况,选择平面坐标转换模型对北京地方坐标与西安80坐标进行转换,转换精度满足实际需求。     

基于时刻独立脉冲耦合神经网络的高空间分辨率摇感影像分割

高空间分辨率遥感影像中地物目标内部光谱信息复杂性的增强,使得传统基于光谱特征值的数据处理方法效果不再显著,影像分割为解决这一问题提供了一种思路,成为当前高空间分辨率遥感影像处理的研究焦点.时刻独立脉冲耦合神经网络具有状态相近、空间相邻神经元相互耦合同步脉冲激发和区域之间神经元脉冲激发时刻独立两大特点,已被应用于非遥感影像分割中,并取得较好效果.本文结合高空间分辨率遥感影像特点,通过对网络参数进行实验和分析,提出一个基于时刻独立脉冲耦合神经网络的高空间分辨率遥感影像分割方法,并利用空间分辨率0.3m的航空影像进行了数据试验,将分割结果进行讨论并与现有时刻独立脉冲耦合神经网络方法和ISODATA方法分割结果进行对比分析.结果表明:时刻独立脉冲耦合神经网络在高空间分辨率遥感影像分割处理中具有很好的应用前景.     

BP神经网络在局部似大地水准面精化的应用

针对高程拟合中的模型误差问题,采用BP神经网络方法进行拟合,可以减小模型误差,提高似大地水准面的精化精度。在焦作市局部似大地水准面精化算例中,BP神经网络高程拟合取得了良好的效果。     

矿集区预测中的探索式空间分析方法及应用——以中亚铜矿集区预测为例

随着地理信息科学和计算机技术的发展,计算环境下矿集区预测方法的研究热潮也初现端倪.依据矿集区所包含的理论内涵(矿床密集区、潜力密集区的聚集内涵),提出了应用探索式空间分析法进行矿集区预测的设想,并以北至科克舍套,南至帕米尔高原,西至乌拉尔山,东至新疆边境的中亚区域为研究区,利用探索式空间分析方法从含矿潜力的确定及其空间分布模式的探索入手,对研究区铜矿集区进行了预测,初步圈定了乌拉尔、矿区阿尔泰、北滨巴尔喀什、斋桑、塔尔巴合台等17处铜矿集区.研究成果除包含了研究区已知矿集区外,还有7处新区,反映了探索式空间分析法在矿集区预测中的应用潜力.     

神木北部矿区5-2煤层厚度及其底板高程趋势分析

为了查清神木北部矿区5-2煤层赋存特征及成因,选取了该矿区172个典型钻孔数据,用趋势分析法研究了5-2煤层的厚度及其底板高程度变化特征。结果显示:该区煤层厚度总体为南北厚中部薄,东厚西薄;底板高程为南北高中部低,东高西低;煤层厚度和其底板高程间普遍存在正相关关系。在该区构造稳定的背景下,后期改造对煤层厚度及其底板的影响很小,煤层赋存特征主要受沉积与剥蚀的控制。     

2DPCA在遥感图像压缩中的应用

Two Dimensional Principal Analysis是新近提出的一种图像分析方法,并已在特征提取与人脸和物体识别中得到较好应用.由于2DPCA本身就具有数据压缩功能,在用于去除图像的空间相关性中,可实现对数据的压缩,尤其是对高光谱或多光谱遥感图像的压缩.实验结果表明,这类方法不仅有效,而且压缩性能良好.     

玉米冠层FPAR的高光谱遥感估算研-基于PCA方法及近、短波红外波段

光合有效辐射分量(Fraction of Photosynthetically Active Radiation,FPAR)是进行生态系统功能和全球变化研究的重要参数,准确估算FPAR具有重要意义。通过对野外实测玉米高光谱数据和光合有效辐射数据的分析,探讨了主成分分析方法在高光谱信息提取及估算玉米冠层FPAR参数方面的可行性,在此基础上,结合植被指数验证FPAR估算效果,分析近红外及短波红外高光谱数据在FPAR估算方面的应用潜力。     

改进相似性测度的高光谱影像FCM聚类分析

高光谱遥感将反映目标辐射属性的光谱信息与反映目标空间几何关系的图像信息有机地结合在一起,能够实现地面目标的精细分类识别。FCM是一种有效的聚类算法,但存在相似性测度模型单一、分类精度的提高受到限制等问题。文中结合高光谱影像的技术特点,综合考虑光谱曲线的形状、地物辐射亮度及其权重,提出可以更好描述光谱向量之间的相似性的距离测度,并将其引入到FCM聚类模型中。聚类分析试验结果表明：通过改进和优化相似性测度的FCM,可以显著提高高光谱影像聚类精度。