浅成磷钙土中的铀

磷钙土被广泛用于生产肥料的原料或直接用作肥料。对它的研究非常深入,包括分析微量元素组分。发现沉积岩中微量元素的一般分面规律和从磷钙土的实际农业化学应用观点出发是很重要的,因为在其组分中的部分微量元素是微量肥料,而部分（例如铀）则在生态上是危险的。磷钙土是获得铀的重要矿石,美国大部分铀正是从磷钙土中获取的。     

基于庄河市空间大地全面控制网谈似大地水准面的确定及精度分析

介绍了通过布设足够密度且分布均匀的GPS水准联测点,建立庄河市辖区4086 km2的高精度、高分辨率的似大地水准面数学模型的原理和方法.     

GPS大地高高差代替水准高差的探讨

一、前言 在工程项目对高程精度要求高、水准测量又十分困难的情况下,在局部区域内,利用GPS大地高高差代替水准高差进行等级水准平差,既能达到等级水准测量精度,又能节约成本,从而提高工作效率。     

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。     

巴戟天提取物对去卵巢大鼠骨质疏松症的防治作用

目的：探讨巴戟天提取物对实验性骨质疏松症大鼠的影响。方法：健康雄性SD大鼠60只,随机分为假手术组、模型对照组、阳性对照组及巴戟天提取物高、中、低剂量组,每组各10只。对除假手术组外的其余组大鼠通过手术摘除大鼠双侧卵巢建立骨质疏松症模型,造模后分别给予阳性药物碳酸钙D3颗粒0.5mg/kg,巴戟天提取物高、中、低剂量（0.36g/kg、0.18g/kg、0.09g/kg）干预,假手术组与模型对照组给予等体积蒸馏水,每天1次,共90d,剥离右侧股骨测量股骨中心骨密度与远心端骨密度;称量股骨重量,采用原子吸收分光光度法测定骨钙含量。结果：与假手术组比较,模型对照组大鼠骨密度、骨钙含量、血清雌二醇含量均显著降低,血清碱性磷酸酶含量显著升高,差异均有统计学意义（P＜0.01）;与模型对照组比较,巴戟天高剂量组大鼠骨密度及高、中剂量组大鼠骨钙含量、血清雌二醇含量均显著升高,碱性磷酸酶含量显著降低,差异均有统计学意义（P＜0.05或P＜0.01）。结论：巴戟天提取物能够有效阻止骨丢失,促进钙沉积,从而改善骨质疏松症,其作用机制可能与调节雌性激素水平有关。     

加权空-谱联合保持嵌入的高光谱遥感影像降维方法

高光谱遥感影像数据量大、波段数多,容易导致“维数灾难”。传统流形学习方法一般仅考虑其光谱特征,忽略了空间信息。为此提出一种非监督的基于加权空-谱联合保持嵌入(WSCPE)的维数约简算法。首先采用加权均值滤波(WMF)方法对高光谱影像进行滤波,以消除噪点和背景点的干扰。然后根据遥感影像地物分布的空间一致性,通过采用加权空-谱联合距离(WSCD)来融合像素点的光谱信息和空间信息,有效选取各像素点的空-谱近邻,并根据像素点与其空-谱近邻点之间的坐标距离来有区别的利用其近邻点进行流形重构,提取低维鉴别特征进行地物分类。在PaviaU和Indian Pines数据集上的分类结果表明,总体分类精度分别达到了98.89%和95.47%。该方法在反映影像内部流形结构的同时,有效融合了影像的空间-光谱信息,故能提高影像特征的鉴别性,并提升分类性能。     

不同健康状况松针反射光谱特征分析

为利用高分辨率遥感影像实现大面积的枯死松树监测,本研究通过测量不同程度的枯死和健康松针的光谱曲线,结合GF-2遥感影像的波段范围分析其光谱特征与敏感波段,并借助28种光谱指数探究区分健康松树与枯死松树的适宜光谱指数。结果表明:近红外波段(欧氏距离为118.16)是识别枯死松树的最敏感波段。文中使用的28种光谱指数除R_(gre)-R_(blue)、R_(blue)/R_(nir)+R_(gre)、R_(blue)/R_(nir)+R_(red)、R_(blue)/R_(gre)、(R_(blue)-R_(gre))/(R_(gre)+R_(blue))和R_(blue)/R_(red)+R_(gre)这6种光谱指数外,其余22种光谱指数的J-M距离均超过1.90,表现出很好的光谱可分性。研究结果可为构建适用于GF-2遥感影像进行枯死松树监测的植被指数提供理论基础。     

基于Network In Network网络结构的高光谱影像分类方法

为进一步提高高光谱影像分类精度,通过引入Network In Network网络结构,构建了一种新的网络模型。该网络模型能够对局部感受野内的数据进行更加抽象的建模,从而能够对影像中的空谱联合特征进行更为抽象的表达。通过在Pavia University和Indian Pines两个数据集上进行验证,实验结果表明,所构建的网络模型能够有效提高分类精度,在减少训练样本的条件下仍具有较好的分类性能。