依托沿海优势再造“海上射阳”

简要介绍了射阳县以港兴县，构建沿海新工业群、发展滩涂高效农业、加快滩涂深层开发和改善投资环境，建设“海上射阳”的设想。     

近海湍流三维数值模拟中的重整化群模式

利用重整化群理论来确定近海湍流数值模式中的垂向涡动粘性系数，并对冬末春初琼州海峡的潮流场特征进行数值模拟。结果表明，重整化群模式的待定常数少，应用方便可行，其计算结果也比常用的湍流封闭模式的计算结果更加合理。     

广西北部湾海域海洋哺乳动物的保护及管理

简述了广西北部湾海域珍稀海洋哺乳动物的现状，分析了儒艮、中华白海豚等珍稀海洋哺乳动物濒危的原因，提出了海洋哺乳动物的保护与管理设想。     

江苏沿海辐射状沙脊群的动态变化

在江苏沿海近岸水域分布的辐射状沙脊群，分布广，规模大，形态独特，早已为我国海洋地质学家和海岸地貌学家所关注，自６０年代初以来，相继开展了调查，已有不同程度的研究［１～７］①②而８０年代初开展的江苏海岸带调查获得的实际资料，比较清晰地揭示了辐射状沙脊群的面貌③。在长江口南迁和黄河北归以后，海洋动力作用转化为主导因素，泥沙的纵向运动和横向运动依然存在，海岸演化进入新的过程，近岸水域形成新的沙体，原有的沙体经受着改造和调整。而成为现在这一辐射状分布的沙脊群至今也不过几十年时间，本文就其动态变化作一概述…     

Application of Maximum Entropy Distribution to the Statistical Properties of Wave Groups

The new distributions of the statistics of wave groups based on the maximum entropy principle are presented.The maximum entropy distributions appear to be superior to conventional distributions when applied to a limited amount of information.Its applications to the wave group properties show the effectiveness of the maximum entropy distribution.FFT filtering method is employed to obtain the wave envelope fast and efficiently.Comparisons of both the maximum entropy distribution and the distribution of Longuet-Higgins(1984) with the laboratory wind-wave data show that the former gives a better fit     

苏北Jiang港地区埋藏潮沙体的发现与现代辐射状潮流沙脊群的成因

据钻孔揭露，苏北Ｊｉａｎｇ港地区全新统为一完整的海进－海退层序，由滨海相，近岸浅海相和潮滩相构成。近岸浅海相由细砂或粉砂质细砂组成，比较沉积学研究表明，定地埋藏沙体属潮沙体类型并与Ｊｉａｎｇ港现代潮流沙脊群有明显的成因上联系。埋藏潮沙体可区分为潮沙堤，潮沙波和潮沙脊三个亚相，它们是在冰后期海进－海退过程中，随着长江三角洲前展，南偏，长江携带的砂质物质在强潮流作用下依次形成并逐渐并滩成陆，被掩埋于现     

中国海洋哺乳动物区系

本文对中国海洋哺乳动物区系进行了初步分析。已知鲸目中须鲸亚目有8种,齿鲸亚目包括淡水产的白鱀豚有23种,鳍脚目有5种,海牛目有1种,总计37种。中国海洋哺乳动物在各个目然海区按种类论,渤海最贫乏,仅有8种,南海最多有26种。大陆沿岸有30种,台湾省有26种。有些种类热带性较强,明显的代表着南部海区海洋哺乳动物的区系特征,一些来自寒海区的冷温种,代表着北部海区海洋哺乳动物的区系特征。     

福建“佛昙群”的地质时代和地层特征

关于“佛昙群”的地质时代，在过去的６４ａ中，人们有着５种不同的见解；第三纪、上新世或第四纪、上新世、晚第三纪上新世至早更新世。本文对５个原“佛昙群”露头剖面进行年代地层学研究，结果表明“佛昙群”中包含有中更新世、早更新世、上新世、中新世和渐新世的地层。     

面状居民地聚类方法的对比分析

探索建筑物的空间分布模式信息是建筑物地图综合过程中不可或缺的一部分,以建筑物距离为基础,结合建筑物的大小、形状、方向3种特征因子,将多个聚类算法应用于多边形建筑物的聚类分析,并通过不同的城市街区实地数据集对多个聚类算法进行比较分析。结果表明：k-means算法效率最高,但只能识别近似于球形的群组,对呈线性分布的建筑物模式识别效果较差;具有噪声的基于密度的空间聚类（density-basedspatialclusteringofapplicationswithnoise,DBSCAN）算法可以发现任意形状的集群,其对参数的选择过于敏感,难以从复杂的建筑物群中识别出连贯的群组;具有噪声的基于分层的密度聚类（hierarchical DBSCAN,HDBSCAN）算法可以发现任意形状和密度的群组,但对边界区域的建筑物群识别效果较差;最小生成树（minimum spanning tree,MST）算法能够识别出不同类型的建筑物群模式,但难以确定复杂建筑物群的合理划分阈值。