浮游植物叶绿素a含量简易测定方法的比较

用乙醇、DMF(N,N-二甲基甲酰胺)、丙酮3种不同有机溶剂分别萃取苏州环城河水样中的浮游植物细胞叶绿素a,在分光光度计上测定其叶绿素a含量,试验数据经方差分析、Q检验,结果显示,乙醇法、DMF法的叶绿素a萃取率极显著高于丙酮(F=54.20＞F0.01(2,18)(6.01)).另用这3种萃取方法分别测定无常蓝纤维藻(Dactylococcopsis irregularis )纯培养液叶绿素a含量,通过直线回归,同样证明乙醇法、DMF法重复率较高,稳定性好,萃取率高.从安全、简便、重复性高等方面综合考虑,认为用乙醇萃取法是目前水域环境中浮游植物叶绿素a简易测定的最佳方法.     

沉降监测多项式回归分析与神经网络预测

使用多项式和切比雪夫(Tchebyshev)多项式分别对沉降监测数据进行回归分析以预测未来沉降值,其中切比雪夫多项式的外推效果较好;应用前向BP神经网络对两种不同的单因子输入模式进行非线性函数逼近,并进行了不同采样步长的比较,实例表明将时间点作为网络的输入对沉降进行预测效果较好。     

山东省大中型水库水化学性状研究──几种主要水化因子的变化及其在评价水库鱼产力中的作用

本文通过对山东省３８座代表性大、中型水库总氮（ＴＮ）、总磷（ＴＰ）、化学耗氧量、硬度及电导率（λ）五种主要水化因子连续两年（１９８９～１９９０）的调查与研究，探讨了水化因子与水库鱼产力的关系。用反映鲢、鳙生长状况的综合生长指数（ＧＩ）作为水库鱼产力的指标。它与水化因子相关分析表明，总磷是山东省３８座水库鱼产力的主要影响因子。提出ＧＩ与总磷、总氮及电导率等水化因子的逐步回归方程关系非常显著。证明利用水化因子作为水库鱼产力的评价指标是可行的。并指出：同一水库的相同水化因子存在年间差异，其主要原因在于降雨量和水库进水量的不同，鉴于此．同一水库鱼产力也存在年间差异。     

基于三维激光扫描数据的建筑物三维建模

激光扫描技术在工业模具设计和制造方面,特别是在逆向工程中,已经有了广泛的应用。随着激光中远程激光扫描仪的出现,激光扫描技术开始应用于测绘领域。与传统的高精度的点测量方式不同,三维激光扫描测量仪采用形测量方式,获取被测量目标的大量三维点,满足了高精度逆向工程对三维点的数据量的需求。     

基于ArcEngine的虚拟校园信息管理系统的设计与实现

阐述基于组件式GIS的开发方式,结合3维建模技术、数据库技术开发虚拟校园信息管理系统的基本思路,重点研究了3维模型的入库方法,以及基于GeoDatabase的数据库设计。以VirtualCampus系统开发为例,介绍了利用Visual C++与ArcEngine开发虚拟校园信息管理系统的方法。     

成都地区大气平均温度建模及其在GPS/PWV计算中的应用研究

地基GPS气象学的关键技术是在于通过垂直方向上GPS信号的湿分量延迟值来确定大气可降水量-PWV,而这两个物理量间进行转换时需要用到一个关键性的参数——大气加权平均温度。本文首先讨论了估算加权平均温度的几种方法,然后利用成都地区2005年全年的大气探空数据,采用回归分析方法,建立了适合成都地区的大气加权平均温度模型,精度为±2.21K。最后将该公式应用到成都地区PWV的计算中,得到了非常理想的效果。     

Geodatabase与公交网络数据建模

随着城市交通的迅猛发展,交通问题已成为各国政府面临的首要问题,建立智能交通系统,将先进的地理信息技术引入城市道路交通管理已是必由之路。论文对公交网络数据模型进行深入分析。论文介绍了一种全新的面向对象的空间数据模型——Geodatabase,并对公交网络数据进行建模。     

基于分区的局域神经网络时空建模方法研究

区域数据表现为两种尺度的空间特性:反映全局特征的空间依赖性和反映局域特征的空间波动性.空间波动性表现为空间数据在局部地区的聚集或高低交错现象.在研究区域数据时空预测性建模时,从降低数据的空间波动和不平稳性对模型预测能力的影响角度出发,提出了一种基于分区的局域神经网络时空非线性建模的思路.分区过程由基于空间邻接关系的K-means聚类算法完成.不同的分区方案通过相关性、波动性、紧凑性等指标进行评价和优选.在确定最优分区方案的基础上,对各子区分别采用两层前馈网络进行建模,模型的输入不仅要考虑本区内单元的作用,而且要考虑相邻子区的边界效应.各神经网络模型的时空预测能力通过平均相均差和动态相似率等指标进行衡量.最后,通过对法国94个县每周流感报告病例的时空建模分析表明,与全局神经网络模型相比,基于分区的局域神经网络模型具有更好的预测能力.     

基于高光谱Hyperion数据的线性光谱混合模型与神经网络模型的比较

混合像元问题是定量遥感中的热点问题之一,为了改进从遥感数据中提取定量信息,人们建立了各种混合光谱分解技术,其中线性光谱混合模型和神经网络模型就是两种比较成熟的方法。以陕西省横山地区的高光谱Hyperion数据为研究基础,通过最小噪声变换(MNF)、像元纯度指数(PPI)转换和RMS误差分析的迭代方法相结合提取影像中的纯净像元作为终端端元。分别运用神经网络模型和线性光谱混合模型对影像进行光谱分解,得到各个组分的分解图像。以标准植被指数(NDVI)影像为衡量标准,选取训练样本点,分别对两种模型进行回归分析,结果显示NDVI影像与线性光谱混合模型植被分解图像的判定系数(R2=0.91)要大于其与神经网络模型的判定系数(R2=0.81)。进一步分析表明在一般情况下,线性光谱混合模型具有比神经网络模型略高的分离精度,但是神经网络模型对细部信息的提取的效果要好于线性光谱混合模型,最后提出了端元均方根误差(EAR)指数,一种新的混合像元分解的思路。     

基于钻孔数据的三维地质建模与可视化研究

三维地质模型能够完整准确地表达复杂地质现象的边界条件及地质体内含的各种地质构造,直观地再现地质单元的空间展布及其相互关系,最大限度地提高地质分析的直观性和准确性,因此三维地质建模已引起地质、采矿、岩土工程等诸多领域的日益重视。笔者在综合考察多种建模方法的基础上,结合工程实践,提出了一种实用的工程地质三维建模实施方法。该方法以钻孔资料和地质剖面数据为三维地质建模的源数据,允许用户手工修正模型剖面地层分界线,从而实现对建模过程的干预和控制,克服了单纯依靠钻孔数据建模结果不精确且难以修正的问题。最后,通过一个研究实例展示了该方法的实际建模效果。