海蓝魔方

找答案下列文字中有一些表述是错误的,请在本期中找到相关文章找出这些错误吧。1.数据还显示,幼年长尾鲨较之成鲨有更好的寻找方向的本领,这表明,久而久之,     

基于MapObjects的海域使用时空数据管理的实现

随着时间的推移和对海域开发利用的变化以及对海域开发利用程度的提高,海域使用时空数据的动态管理将成为海域使用管理的重要内容。本文通过对海域使用数据的分析,指出海域使用时空数据的管理是海域使用数据的空间分类体系、相互影响关系和时空数据动态管理的有机结合。根据海域使用的实际情况设计满足海域使用时空数据管理要求的宗海时空数据库结构,并采用ESRI MapObjects的GIS图形软件包进行开发试验,实现了海域使用过程中不同时间、不同空间层次数据的动态管理和时空分析。     

高数据率远程水声通信技术产业化急待解决的几个问题

高数据率远程水声通信技术产业化急待解决的几个问题尤立夫，桑恩方（哈尔滨工程大学水声研究所）随着人类在海洋中经济和军事活动的增加，各种潜器和水下机器人的性能不断得到改进，尤其是无缆的，带有光学或声学成象设备的潜器、机器人即将在不远的将来投入使用。这种潜...     

基于数据驱动的无人机编队最优控制算法设计

无人机编队具有广泛的应用价值和发展前景,然而,无人机动力学模型的非线性和耦合性,以及实际应用中的不确定性限制了其应用。为了解决模型不精确问题,提出了一种数据驱动的自适应动态编程（ADP）最优编队控制器设计方法。该方法结合了分布式一致性和线性二次方相关理论。首先,通过建立虚拟领航–跟随者模型,可以将四旋翼无人机的复杂非线性动力学模型简化为4个线性子系统,并解耦它们的相互影响;接下来,针对每个子系统设计编队控制器;随后应用李雅普诺夫理论对算法进行稳定性分析;最后通过仿真,验证了所提算法的稳定性和有效性。     

基于广义回归神经网络的全球表层海水1°×1°二氧化碳分压数据推演

表层海水二氧化碳分压是评估海洋碳源汇强度的关键参数,但其实测数据较少、时空分布极不均匀,导致二氧化碳交换通量的估算有很大的不确定性,海洋源汇特征就不能确切获取。为了解决这个难题,在收集的表层大洋二氧化碳地图(Surface Ocean CO₂ Atlas,SOCAT)实测数据集基础上,运用广义回归神经网络建立二氧化碳分压与经纬度、时间、温度、盐度和叶绿素浓度间的非线性关系,构建了1998-2018年间全球1°×1°经纬度的表层海水二氧化碳分压格点数据,其标准误差为16.93μatm,平均相对误差为2.97%,优于现有研究中的前反馈神经网络、自组织映射神经网络和机器学习算法等方法。根据构建的数据所绘制的全球表层海水二氧化碳分压的分布与现有研究有较好的一致性。     

基于ANUSPLIN的京津冀区域逐日气温格点数据集建立方法研究

为建立一个高精度、高空间分辨率的逐日气温格点数据集,满足公共气象服务对于精确信息及实时信息的需要,利用2018年6—8月京津冀区域以及临近省区共3 974个国家级及区域气象观测站质控后的逐日气温资料,采用ANUSPLIN软件对逐日气温数据进行空间内插,得到了京津冀区域逐日气温格点数据集(0.01°×0.01°),并分别利用反距离权重插值法、普通克里金插值法、样条函数法对逐日气温数据进行空间插值,采用相关系数(Corr)、平均绝对误差(MAE)、平均相对误差(MRE)等作为评估指标来检验插值精度。结果表明:1) ANUSPLIN软件满足了空间插值对精度及曲面平滑度的要求,能直观体现京津冀区域气温由北向南递增的空间分布特征; 2) 4种插值方法中,基于ANUSPLIN软件的插值结果最优,相关系数平均达0.97,其样本误差在1℃之内占比为90.59%,MAE为0.46℃,MRE为1.81%; 3)插值误差较大的区域位于冀北高原、燕山丘陵及太行山脉一带,高海拔、低站点密度等是造成插值误差的主要原因。基于ANUSPLIN插值方法建立的逐日气温格点数据集具有分辨率高、空间插值误差小的优势,ANUSPLIN对气温的空间分布具有较好的预测能力。     

基于卫星遥感的临沂市冬小麦种植时空变化特征分析

以临沂地区为研究区,基于Terra/MOD13Q1遥感植被数据产品,通过分析冬小麦的遥感光谱特征、物候历特征及其生物学特性,提取2009—2019年临沂地区冬小麦种植信息,利用GIS空间分析方法和统计分析方法分析了临沂冬小麦种植的时空分布变化规律。结果显示:1)空间上,近10年来临沂地区冬小麦种植面积在2 800～3 000 km~2之间浮动,占整个地区土地面积的17%左右,总体变化较小,种植区域呈南多北少的分布格局,主要集中在兰陵、临沭和郯城; 2)从冬小麦种植稳定度上看,连续种植冬小麦10 a及以上的区域,主要集中在兰陵和郯城,面积为1 638 km~2,稳定度高,连续种植小于4 a的区域有1 914 km~2,主要分布在莒南和费县,种植不稳定; 3)时间上,冬小麦面积由2009年的2 838 km~2增加到2019年的2 985 km~2,变化幅度和年均变化率分别为5.5%和0.5%,呈缓慢增加趋势。本研究为临沂地区冬小麦种植的深入了解以及农业结构调整提供了较为准确、科学的参考依据。