西安地区黄土含水率变化特点

通过对西安地区黄土剖面的野外观察、颗粒分析和含水率的测定 ,系统地研究了黄土层含水率的变化特点 ,初步认识到在同一黄土剖面上 ,黄土含水率从上到下呈波动变化 ,其峰值位于古土壤层内 ,而波谷处于黄土层内 ,并呈波动增加的趋势。在具有结核层的黄土层中 ,其含水率从上部到下部呈由大变小再变大的趋势 ,其峰值位于结核层之上 ,CaCO3 结核层具有隔水作用 ;在古土壤层中 ,从上向下 ,其含水率呈由小变大再变小的规律 ,其峰值出现在古土壤的中、下部位 ,即粘土化最强的部位。土壤质地是决定含水率大小的重要因素 ,在包气带中 ,黄土含水率的变化与粘土颗粒含量具有明显的正相关关系。     

个旧锡矿东区地下水水文地质及控制因素

个旧东区为锡矿生产的主要基地。随着矿床开采水平不断下降，开采技术条件变得十分复杂，本文根据大量的实际资料，对矿区、矿田的水文地质特征进行分析研究，揭示了矿区地下水的运动、迁移、富集规律，对进一步开展矿区地下水水文地质工作具有指导意义。     

基于被动微波遥感的青藏高原雪深反演及其结果评价

采用修正的张氏雪深反演算法，用ＳＳＭ／Ｉ３７ＧＨz和19GHz水平极化亮温值计算了青藏高原及其毗邻地区的积雪深度，对其精度进行了评价，并对误差来源进行了分析，结果显示，此算法能够较好地反映研究区的雪深分布，但局部地区误差较大，总体上雪深被高估，其误差主要来源于冻土，深霜层，植被以及雪层中液态水含量，雪粒的形状和粒径的变化带来的影响，SSM／I数据较低的分辨率和研究区复杂的地形使反演的雪深与观测的雪深缺少可比性，给精度的评价带来影响。     

DGPS在资源环境遥感中的应用方法研究

为了能够利用较低配置的GPS设备，方便有效地完成与资源环境遥感有关的地物定位测量任务，利用伪距DGPS设备进行了如下试验研究：基站参考坐标对定位精度的影响，基于大地测量三角控制点和WGS84到北京54坐标系转换模型进行基站参考坐标差分测量导算的方法和精度，在导算出的控制点处建立基站进行试验区样地定位测量的方法及所能达到的精度，试验结果表明，在具备测区至少一个三角控制点和坐标转换参数条件下，可以采用首先从已恬三角点导算出一个位于方便位置处的点的大地坐标，然后在该点所能达到的在当地坐标系中的相对定位精度远远小于一个像元大小，可以推广应用到资源环境遥感的各个应用领域，在不具备基站参考坐标和坐标系转换参数的条件下，可以基于差分测量结果之图形要素绝对位置图形转换到已经和当地坐标系配准的遥感影上去，采用这种办法，在差分处理时不用考虑基站的精确WGS84地心参考坐标，也不用考虑坐标系的转换参数，利用其站单点绝对定位结果作为参考坐标进行差分就可，可以节省不少人力和物力，试验研究及结论为如何利用较低配置的伪距DGPS设备，简捷，快速，精确地完成资源环境遥感领域地物定位测量任务提供了有益参考。     

土壤遥感分类识别推理决策器的设计

介绍了干旱区土壤遥感分类识别推理决策器的设计原理与实现方法。在用TM遥感图像对土壤类型进行非监督分类的基础上，建立了正向推理与逆向推理相结合的推理机制，对土壤类型进行分类识别决策。用知识表示的产生式规则与框架式规则相结合的数据结构表示土壤学专家的土壤分类识别知识。用像结构模式建立了土壤分类识别的规则，构造了土壤分类判决树，并用典型像例模式进行了各类型土壤判据文件的组织。用该方法对新疆天山北麓阜康试验区的土壤分类识别进行了试验研究。结果表明，该方法分类精度可靠，为干旱区土壤分类识别开辟了一条新的途径。     

川南区域构造变形及应力场遥感图像定量解析

采用区域构造变形及应力场遥感图像分层解析法，利用遥感TM图像对研究区宏观构造及有关的横张大节理系统进行详细解译，结合物探资料并应用力学方法对区域构造变形场和应力场进行了计算与分析，建立了该区构造变形场和应力场的三维彩色定量解析模式图，通过综合分析研究，对该区构造组合的空间格局及其控矿（油气）规律进行了探讨。     

基于小波多分辨率分析方法的海冰遥感影像数据融合

采用小波多分辨率分析方法，对辽东湾2000－01－18的海冰遥感数据（NOAA／ARHRR和Radarsat/ScanSAR)进行了融合分析，并从几方面对结果作了深入的分析和对比。文中首次采用了小波分析中的多层次分解和重构技术用于数据融合分析。     

利用遥感技术监测船舶航速的方法研究

主要讨论了两种利用遥感技术提取水面运动船舶的航速方法：利用波高谱信息提取航速和利用船尾迹中的横波信息提取航速。作者介绍了这两种方法的原理，描述了利用遥感技术提取船舶航速的工作流程，并利用模拟和实测的船尾迹波高数据对这两种方法进行了验证。从计算结果看，两种方法精度都能满足仅要求航速量级的需求者，利用波高谱信息的方法误差（10％左右）小于利用横波信息的方法误差（20％左右）。该项研究为实时或近实时探测运动船舶航速提供了新的方法。     

遗传算法与最小二乘法相结合的遥感图像子像素匹配

图像匹配在计算机视觉和数字摄影测量中都是一项十分重要的任务。为了加速匹配并为高精度子像素匹配提供稳健而相对精度的初值，本文提出了一种基于遗传算法（GA）和最小二乘法匹配（LSM）相结合的遥感图像子像素匹配算法。实验表明：基于遗传算法的匹配算法比序贯相似度度量（SSDA）和经典的平均绝对差（MAD）方法要快得多。以我们的实验数据为例，MAD与GA在相关计算总量上的比至少为36：1。本文从理论上证明了这一点。     

Thematic mapping from remotely sensed data with neural networks: MLP, RBF and PNN based approaches

 Neural networks are attractive tools for the derivation of thematic maps from remotely sensed data. Most attention has focused on the multilayer perceptron (MLP) network but other network types are available and have different properties that may sometimes be more appropriate for some applications. Here a MLP, radial basis function (RBF) and probabilistic neural network (PNN) were used to classify remotely sensed data of an agricultural site. The accuracy of these classifications ranged from 86.25–91.25%. The accuracy of the PNN classification could be increased through the incorporation of prior probabilities of class membership but the accuracy of each classification could also be degraded by the presence of an untrained class. Post-classification analyses, however, could be used to identify potentially misclassified cases, including those belonging to an untrained class, to increase accuracy. The effect of the post-classification analysis on the accuracy of the classification derived from each of the three network types investigated differed and it is suggested that network type be selected carefully to meet the requirements of the application in-hand. Received: 23 March 2000 / Accepted: 9 July 2000