地磁与空间物理资料的组织和相关坐标系

在地磁与空间物理学实验研究和理论研究中,无论是观测资料和实验数据,还是理论计算和数值模拟结果,都需要组织在一定的坐标框架中,或者用一定的函数(函数系)来表达.坐标系或函数系的选择对于合理描述资料和发现自然规律是十分重要的环节.本文综述了地磁与空间物理研究中经常使用的20多种坐标系,着重探索这些坐标系的基本设计思想和相互联系,追踪它们的发展演化轨迹,从而加深对资料组织和坐标系选择的理解.     

地图学与地理信息系统专业点的分布与研究方向

地图学与地理信息系统专业是地理学的二级学科,但其影响已远远超出了地理学的泛地学范围。全国所设学科点以北京、吉林、江苏和湖北最为集中,其大多数安置在地理学或地学等理学院系,目前仅海南、西藏、宁夏、青海 4省区没有设学科点。2005年全国有114所院校招收地图学与地理信息系统专业本科生,其中有师范院校31所、综合院校27所、理工科院校25所、农科院校8所、地质矿业和石油院校6所、林业院校5所、交通院校3所、建筑院校3所、邮电院校2所、信息工程院校2所、水利水电院校1所、经济学院1所;16所院校招收地图学与地理信息系统专业博士生,其中有综合大学6所、师范大学5所、海洋大学1所、中科院研究所4所;2004年全国有54所院校招收地图学与地理信息系统专业硕士生,其中有师范院校18所、综合院校16所、理工科院校3所、农科院校3 所、地质和矿业院校3所、林业院校1所、信息工程院校1所、海洋院校1所、中国科学院8个研究所。硕士专业共有281个研究方向,其中26个方向是地图学方向;博士专业共有126个研究方向,只有1个方向的核心词是地图, 1个方向含有经济一词、1个方向含有旅游一词,绝大多数方向都集中在理工科领域。     

数字城市:智能城市的初级阶段

针对国内外数字城市研究和建设中的主要问题,介绍了全球化进程中正在兴起和汇聚的新技术———物联网与传感器网络、空间信息网格等为数字城市的演进提供的可行性。提出数字城市的发展必然导向智能城市,并将数字城市作为智能城市的初级阶段进行重新诠释;提出为了适应数字城市向智能城市进化,数字城市系统的构建必须满足开放性、易拓展性、可重用性、可动态适应的智能性等特征。     

地缘城市跨国整合发展研究

结合21世纪经济发展全球化、区域经济一体化和城市整合发展的趋势,文章在有关“地缘关系”理论的基础上,提出“地缘城市”的概念,通过边界、次区域合作和城市整合的界定与分析来探讨地缘城市跨国整合的理论内涵,并对地缘城市跨国整合发展的一般特征、动力机制和基本模式进行理论总结。指出,地缘城市是指地缘区域内在地缘关系中承担一定任务的城市;地缘城市跨国整合是城市整合类型中的一种,主要是指地缘城市跨越国界与对面地缘城市的相互作用和整合发展的过程。     

VPN技术在防震减灾中的应用

简要介绍VPN技术的应用、原理与搭建,并介绍了两个应用实例。显示了VPN技术在防震减灾工作中有广阔的应用前景。     

网络环境下的前兆数据自动编排管理系统

通过在Intemet和局域网下开发的程序,实现了安徽省地震前兆数据自动编排管理。该网络程序可以自动检索和收集各地方台站上报的数据,然后将其按照规定的格式编排,通过纠错子系统检查无误后传至中国地震局数据中心。本系统可以将数据自动分类管理并做好备份,最大的优点是速度快、准确性高、操作方便。     

固体潮观测数据预处理中的常用方法及计算机实现

从地震台站产出的原始地形变前兆数据出发,提出实际操作性较强的预处理方法,从已编制好的软件中给出处理实例,从而提高地震台站观测人员的科研能力,填补资料预处理方面的某些空白,对于地震台站人员集观测、科研于一体有着十分重要的意义。从95-01-02项目厦门地震台前兆数据预处理的实践表明:这些方法取得了明显的实效,直到今天仍然具有很大的使用价值。     

国产磁通门磁力仪稳定性分析

国产磁通门磁力仪(GM-3磁通门磁力仪)在全国各地磁台站推广应用,两年来,该仪器在武汉地震台工作比较稳定。本文对该仪器的基线值进行了多层线性回归分析。结果表明仪器性能比较稳定。     

实时子结构实验Chang算法的稳定性和精度

与慢速拟动力子结构实验相比,实时子结构实验的优点在于它能真实地反映速度相关型试件的特性。实时子结构实验的逐步积分算法通常借用拟动力算法,但是目前液压伺服作动器很难实现速度反馈控制,因而试件速度不能实现原算法的假定值,这样一来算法的稳定性和计算精度将发生改变。台湾学者S.Y.Chang提出一种无条件稳定的显式拟动力算法,本文分析了这种方法应用于实时子结构实验时的稳定性和计算精度。研究发现在实时子结构实验中该方法由无条件稳定变成了有条件稳定的,精度也发生了改变。     

The Basic Shape Classification of Space Debris with Light Curves

We study the machine learning method for classifying the basic shape of space debris in both simulated and observed data experiments, where light curves are used as the input features. In the dataset for training and testing, simulated light curves are derived from four types of debris within different shapes and materials. Observed light curves are extracted from Mini-Mega TORTORA (MMT) database which is a publicly accessible source of space object photometric records. The experiments employ the deep convolutional neural network, make comparisons with other machine learning algorithms, and the results show CNN (Convolutional Neural Network) is better. In simulational experiments, both types of cylinder can be distinguished perfectly, and two other types of satellite have around 90% probability to be classified. Rockets and defunct satellites can achieve 99% success rate in binary classification, but in further sub-classes classifications, the rate becomes relatively lower.