Prediction of UT1–UTC,LOD and AAM χ<Subscript>3</Subscript> by combination of least-squares and multivariate stochastic methods

This article presents the application of a multivariate prediction technique for predicting universal time (UT1–UTC), length of day (LOD) and the axial component of atmospheric angular momentum (AAM χ ₃). The multivariate predictions of LOD and UT1–UTC are generated by means of the combination of (1) least-squares (LS) extrapolation of models for annual, semiannual, 18.6-year, 9.3-year oscillations and for the linear trend, and (2) multivariate autoregressive (MAR) stochastic prediction of LS residuals (LS + MAR). The MAR technique enables the use of the AAM χ ₃ time-series as the explanatory variable for the computation of LOD or UT1–UTC predictions. In order to evaluate the performance of this approach, two other prediction schemes are also applied: (1) LS extrapolation, (2) combination of LS extrapolation and univariate autoregressive (AR) prediction of LS residuals (LS + AR). The multivariate predictions of AAM χ ₃ data, however, are computed as a combination of the extrapolation of the LS model for annual and semiannual oscillations and the LS + MAR. The AAM χ ₃ predictions are also compared with LS extrapolation and LS + AR prediction. It is shown that the predictions of LOD and UT1–UTC based on LS + MAR taking into account the axial component of AAM are more accurate than the predictions of LOD and UT1–UTC based on LS extrapolation or on LS + AR. In particular, the UT1–UTC predictions based on LS + MAR during El Niño/La Niña events exhibit considerably smaller prediction errors than those calculated by means of LS or LS + AR. The AAM χ ₃ time-series is predicted using LS + MAR with higher accuracy than applying LS extrapolation itself in the case of medium-term predictions (up to 100 days in the future). However, the predictions of AAM χ ₃ reveal the best accuracy for LS + AR.     

基于小波变换的全色和多光谱遥感图像融合

基于多分辨率小波变换,针对高分辨率全色图像和多光谱图像的融合,提出了一种基于方向可调滤波器的区域能量测量的小波变换融合算法.将此方法与HIS和传统小波的融合方法比较,结果表明,该方法在保留多光谱图像光谱信息的同时,能够更好地保留高分辨率图像的空间信息,融合效果有较大改善.     

福鼎山后尖玄武岩筒地质特征及其形成机制探讨

福鼎山后尖玄武岩位于福鼎一福清北东向断裂带北东段,呈岩筒状产于石帽山群下组下段火山沉积岩中,属钠质碱性玄武岩系列,由玄武质火山角砾岩、碧玄岩、橄榄辉长一玄武岩组合,经历火山爆发、喷溢、次火山侵入3个阶段而形成。     

河南镇平秋树湾矿区铜、钼矿床地质特征及深部找矿潜力分析

秋树湾矿区是一座中型规模的铜、钼矿床。在水平方向上矿区具北铜南钼的分布特征,即北山铜矿床和南山钼矿床;从垂向上看,北山铜矿床深部赋存有规模较大的钼矿体,并具垂直分带现象,即上铜下钼。这主要是矿区成矿后,构造活动使南山赋矿区向上逆冲,使其上部的铜矿体被剥蚀,而北山赋矿区上部的矿体则保存了下来。因此,研究认为,在北山铜矿区的下部及南山钼矿区中深部寻找隐伏钼矿床具有较大潜力。     

城区水文循环机制与改善策略分析

在城区化过程中,由于人口快速成长且集中,随之而来的建筑物、道路等不透水面密度增加,导致地下水补给减少及破坏水文循环。为了解土地利用方式改变对长期水文量影响,建立一个适宜的城区水循环模式是非常重要的。选定台湾台北的六馆抽水站集水区进行分析,模式参数经过敏感度分析、率定与验证。采用改变不同透水铺面设置比例的方案,评估其对径流量、入渗量、蒸发散量的改变。并分析设置不同比例屋顶雨水贮集系统对地表径流量及供水量的改变。所建立的城区水循环模式是评估土地利用改变造成水文量的改变的一个有效工具,并可提供决策者做为城区土地利用决策的参考。     

现代地图语言

地图符号发展到今天,已经超越了其符号本身,应当把它当作一种语言来研究,即地图语言。地图语言使人们使用地图进行空间认识更加贴近现实,使地理空间信息的传输更加准确、生动和形象。文中主要对现代地图语言的形成,现代地图语言的主要表现形式即视觉符号、听觉符号和触觉符号,以及地图语言的本质即视觉变量、听觉变量和触觉变量进行了探讨。     

变形分析的神经网络技术应用实例

大型工程施工过程中的变形监测、分析与预报极为重要。变形分析建模的方法很多,神经网络技术的应用是其中之一。文中结合某深基坑工程的监测资料和工作经验,运用神经网络BP算法进行预测分析。简述BP神经网络的基本概念,介绍基坑变形分析的BP神经网络的具体模型结构,将神经网络方法预报结果与实测数据对比效果较好。该成果对生产实践具有参考价值。     

网络导航中基于SVG的地理空间数据组织与传输

介绍网络导航服务系统,通过对MapX Mobile、ArcPad和SVG的地理空间数据组织的比较,得出基于Mobile SVG的地理空间数据组织方式优于其它两种组织方式。它不但适合网络导航服务系统的数据交互操作,而且同一图幅的数据量也明显少于MapX Mobile、ArcPad两种格式的数据。然后利用gzip软件包对数据进行压缩,减少数据传输所需的时间。     

六道湾煤矿塌陷西区地面沉降监测设计方法探讨

介绍乌鲁木齐市六道湾煤矿塌陷区综合治理过程中地面沉降观测站、观测线的设计方法,所需观测内容,观测方法以及所使用观测仪器的精度。在观测站、观测线设计时综合考虑老采空区变形的影响,并针对该区两个不同时段开采变形观测站布设方法分别进行了设计。其中所介绍的设计方法对其它地区类似煤矿塌陷区综合治理有一定意义。     

科技进步与金属矿产资源供应——兼论我国可持续发展的资源基础

科技进步为金属矿产资源的勘查开发、获取供应提供理论指导和技术支持,并在很大程度上决定着地矿产业的可持续发展。在21世纪绿色矿业的崛起和新的循环经济模式下矿业文明的振兴更是离不开现代科学技术,二者相辅相成,这对巩固我国可持续发展的资源基础意义重大。对于我国的资源开发供应,资源保障是前提基础,科学技术是方法手段,环境效益是发展目标,三者应协同推进,不可偏废。