任意曲线曲面上重磁位场转换的B样条函数法

提出用B样条函数求解曲线、曲面上重磁位场的向上延拓,水平、垂向导数计算,磁异常分量互换的方法。该方法的特点是:原理简明,程序通用性强,计算精度高。     

复杂网络河的数值模拟

依据复杂网络河的特点及其内在联系，本文建立了其特征矩阵及由Newton-Raphson格式表述的隐式圣－维南差分方程组的系数矩阵，经输入边界条件及解方程组，可得到不同各支段上，下游端点上的水位和流量值。     

黄、东海毗邻海域悬浮体与水团的对应关系及影响因素

对黄、东海毗邻海域由陆架到深海的悬浮体进行了大量加密取样,获得了较准确的结果。给出了悬浮体含量及其三维分布,确定它们与水团及其边界有良好的对应关系。并从物源、动力和成因等解释了这种对应,提出了水团对悬浮体研究的重要意义。研究表明黑潮次—中层混合爬升水及其混合水形成悬浮体含量最低值区,横亘在陆架与深海之间,形成阻隔含有大部分悬浮体的陆架中、下层水体向深海输送的洁净“水障”,台湾暖流北上的顶托也起类似作用,并分析了影响悬浮体含量的各种因素及有关机制。     

风应力涡度和边界力对东中国海环流的效应

多年来，很多国内外学者对东中国海环流的机理进行了研究。近几年，奚盘根等(1980)和冯士筰等(1981)基于f-坐标系的风涡度一热盐梯度全流方程分别数值地模拟了冬、夏季东中国海环流。他们指出，控制东中国海环流主要因子是边界力(黑潮)、热盐力和底形分布。袁耀初等(1982)也数值地模拟了东中国海环流结构，     

大型渠系联合运行状态空间模型不确定性的描述与度量

多渠段联合的自动化运行是现代节水农业的重要发展趋势之一,也是现阶段南水北调中线运行控制的关键技术问题,其控制器的设计求解依赖于线性化的系统数学模型,而多渠段系统本身是高度非线性耦合系统。针对所建立的多渠段多输入多输出(MIMO)模型,对其不确定性的来源做分类分析,作为系统鲁棒控制器设计的基础。将线性化的模型作为标称模型,不确定性采用模型之间差异矩阵的最大奇异值表示。以一个六渠段串联的算例进行求解,得出其模型不确定性的定量描述。     

植被波谱空间尺度效应及尺度转换方法初步研究

基于遥感图像的地物识别需要大量地物波谱数据的支持,而现有地物波谱库中收集到的同一地物的波谱,由于其测量尺度和方法的差异,波谱也存在很大差异.以冬小麦为例,首先介绍了材料波谱、端元波谱和像元波谱这3种不同尺度波谱的概念,并以实验数据分析了不同测量尺度下波谱的差别,以此说明波谱尺度转换的必要性.然后利用物理模型和统计模型建立不同测量尺度下的波谱转换关系.分别验证了SAILH模型和线性光谱混合模型在波谱转换中的精度.研究表明,在大尺度上采用统计模型,在小尺度上采用非线性的物理模型可以解释不同尺度观测植被波谱之间的差异.     

珠江河口夏季缺氧现象的模拟

夏季底层水体缺氧现象是珠江河口存在的环境问题之一。使用三维水动力-生态耦合模型来分析珠江口缺氧现象的分布状况和产生原因。模拟结果表明:模型能很好的再现珠江口的缺氧敏感性区域和强度。珠江口存在的底层水体缺氧现象是水体强烈层化和生化耗氧过程共同作用的结果。缺氧现象的发展与减退受潮汐涨落的影响。珠江口盐度-潮汐混合锋面和层化作用控制低氧水团的范围和强度。     

饱和流体多孔介质中AVA特征分析及储层参数反演研究

AVA(Amplitude Versus Angle)技术是基于常规介质模型(均匀各向同性介质模型)发展起来的,由于忽略了储层的孔隙结构和充填流体的影响,造成AVA特征中是部分对地震波能量的吸收和衰减作用反映不足.从振幅特征方程的实际应用出发,建立起各参数与常规岩性参数之间的关系.以Gassmann方程与Biot理论为基础,推导出振幅特征方程中弹性参数与常规岩性、储层参数(如:纵波速度、横波速度、密度、孔隙度、流体参数Kf)之间的转化关系式,详细研究饱和流体多孔介质模型中的AVA特征,比较该介质模型与常规介质模型在AVA特征上的差异,并将饱和流体多孔介质AVA技术应用于川西凹陷深层须家河组储层预测,通过多波AVA储层参数的反演研究,为直接利用地震资料进行储层识别并进一步识别其流体特征提供了一种有力手段.     

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。     

基于相关系数匹配的混合像元分解算法

遥感影像中的混合像元不仅影响地物识别和分类的精度,而且已成为遥感科学向定量化发展的主要障碍.为此,人们已经提出了多种混合像元分解算法,其中应用最为广泛的是最小二乘法.该方法虽然具有意义明确、简单易行等特点,但也易受局部噪声、大气效应、环境辐射等因素的影响.本文将混合像元分解问题归结为一个基于光谱匹配的非线性最优化问题,并针对最小二乘法的不足提出了一种新的基于相关系数匹配(spectral correlation matching, SCM)的混合像元分解技术.通过在北京市北三环及其以北区域内案例的研究表明:在城市区域内,利用图像选取终端端元的办法,基于相关系数匹配的混合像元分解算法的总体精度高于带全约束的最小二乘法(LS)的分解结果.对比分析表明:在目标光谱的绝对值整体放大或缩小而光谱形状得到了很好的保持、及局部噪声使得光谱值显著变化但光谱形状得到了一定程度保持时,基于光谱形状的相关系数法可以得到比基于光谱绝对值的最小二乘法精度更高的分解结果.