南疆地区降水云系的探讨

普查南疆1998－2000年3aGMS5静止卫星红外云图，共有192次云系影响南疆，分为5种类型，南疆云系出现的次数较少，常造成中弱以下降水天气，有云无降水的情况较多，并讨论了云系的TBB与降水之间的关系，冬季南疆阴雾天气在红外云图上其TBB值为－10℃的闭合中心。     

石臼、壶穴、冰臼辩——论岩臼、壶穴和冰穴的成因分类

正黄河壶口早有名[1],瀑布两侧多岩窝,术语翻译为壶穴,英人称之泼特壑"Pothole".中国古人称为小石潭,详细记述者为柳宗元;潭中"卷石底以出,为坻,为屿",河流"斗折蛇行,其岸势犬牙差互".     

基于GF-1卫星数据的面向对象的民勤绿洲植被分类研究

以民勤绿洲为研究区,以GF-1遥感影像为数据源,采用面向对象的分类方法,结合分层技术,对影像逐级进行分类,以获取植被信息。根据归一化植被指数（NDVI）阈值区分植被与非植被,分割尺度为10;使用归一化水体指数（NDWI）阈值提取非植被中的水体,分割尺度为35;利用野外采样点获取的训练样本,将植被进一步分为耕地、林地和草地,分割尺度为25。总体分类精度达到83.02%,Kappa系数为0.745 1,比较基于象元的监督分类,其总体分类精度为69.37%,Kappa系数为0.497 0,表明面向对象的分类方法在干旱区绿洲植被信息的提取上较传统的基于象元的分类方法更有优势,分类精度更高。     

基于改进自组织神经网络的遥感图像分类研究

引入SOM自组织神经网络来提高影像分类的精度,针对神经网络中神经元距离选择问题,提出迭代训练方式来确定阈值的方法。以福州市乌龙江与台江下游交汇口土地利用类型作为实例,使用Landsat5遥感卫星数据作为实验影像材料,利用改进神经网络获得的仿真结果可以准确地对原始图像进行分类,实验结果 Kappa系数达到0.9,精度能够满足遥感影像分类要求。     

长江口北支湿地分类及生境特征

长江口北支湿地可以划分为海岸潮滩湿地生境、河口湿地生境和人工湿地生境3大类,生境类型丰富。分析了每类湿地生境的特征,最后指出由于人类的高强度干扰,生境破碎化严重,生物多样性降低,湿地生态服务功能减弱。     

烟煤的宏观煤岩分类系统研究

烟煤的宏观煤岩分类是煤岩学研究的内容之一。本文建立了烟煤按煤岩成分-宏观煤岩类型进行两级划分的宏观煤岩分类系统,提出了划分宏观煤岩类型的定性和定量指标,制定了宏观煤岩类型的分类方案,规定了描述方法、内容和要求。     

带帽刚性桩复合地基荷载传递机理研究

为了研究带帽刚性桩复合地基荷载传递机理,基于弹性理论和合理假定,采用荷载传递函数法,建立了带帽刚性桩复合地基中桩体沉降及其轴向应力、桩帽下土体竖向位移及其竖向应力、桩帽间土体竖向位移及其竖向应力、桩身侧摩阻力、桩帽边缘土体之间的侧摩阻力与荷载水平、深度之间的控制微分方程。采用微分方程的近似解法,推导出相应地解析表达式。利用桩体荷载沉降关系作为已知条件进行求解,计算结果能够反映带帽刚性桩复合地基荷载传递的一般力学性状规律。     

基于K-L变换的自组织竞争神经网络在海底底质分类中的应用

针对海底质地的特点,利用灰度纹理共生矩阵作为特征参数,K-L变换对海底底质图像进行降维,采用自组织竞争神经网络对图像进行自动分类,对各分类方法精度进行对比。以海底侧扫声纳图像为例,通过实测数据验算,取得理想的效果。     

基于对应分析的训练样本的选择

本文提出一种基于对应分析的训练样本的选择方法。它从训练样本中自动地选择有代表性的典型训练样本,使得在自动分类中充分利用所采集的样本信息,以便得到满意的分类结果。通过实验与分析证明,该方法是可行的,它明显优于人工随机选择训练样本的方式。与基于Q型因子分析的训练样本选择方法相比,可以更快地得到较少的典型样本,满意的分类精度。     

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。