内陆待开发地区产业发展模式探讨——以内蒙古为例

以内蒙古为例，探讨了内陆待开发地区的产业发展模式，内陆待开发地区经济发展的主要制约因素是缺乏资金，缺乏技术，缺乏人才，因此，其经济发展必须有选择，有重点地优先发展部分行业。一般说来，待开发的内陆地区其经济发展必须以资源优势为依托，以市场为导向，开发优质名牌产品，发展优势产业，建设主导产业，带动地区经济的起飞。     

巴楚-伽师Ms6.8地震地磁异常特点分析

通过分析、比较1996--2003年喀什地震台站记录到的新疆伽师及附近地区发生的多次6级地震的地磁前兆异常特征，发现在这几组地震活动过程中喀什地震台的地磁表现出不同的异常特征，说明与地震破裂特征有更深层次的相关性，且地磁响应比异常和总强度差值异常在一定程度上反映了台站周围小范围的震源区介质电性结构的变化。巴楚-伽师6．8级地震前地磁异常特征并不十分突出，有别于1996—1998年伽师强震群震前地磁异常量较丰富的特点。     

冬小麦遥感冠层温度监测土壤含水量的试验研究

在冬小麦主要生育期(2002年4月初到5月底),对不灌溉的冬小麦测定了冠层温度、地温、气温以及土壤含水量,计算了冠气温差且分析了冠层温度和冠气温差与不同土层厚度的土壤含水量相关关系。结果表明:14:00的冠层温度能较好地反映20cm土层的土壤含水量变化,但与其它各土层相关性有较大的波动性;14:00的冠气温差能较好地反映40cm以上土层的土壤含水量变化,二者的相关性很高,在20cm、40cm土层,两者相关系数R2分别为0.98866、0.99389,这为用区域遥感数据反演主要生育期冬小麦的冠气温差进而监测区域40cm土壤含水量提供了实验性的依据;拔节期和灌浆期,用14:00冠气温差来拟合各土壤层的土壤含水量有较高的精度,从而为用区域遥感数据监测区域土壤含水量提供了经验性的模型。     

日本国内旅游业的发展及其地域特征

日本旅游业已成为国民经济的重要部门，据2002年日本交通省的统计表明，观光产业GDP已占国内生产总值的2．2％，这一数字与美国相近。但与西方国家显著不同的是，在美、英、法、意等旅游业发达国家中，国际旅游业占据举足轻重地位，而日本的旅游业却以国内旅游为主体。据日本最大旅行社JTB的统计，2002年日本旅游出行人数为34013万人次(其中出国旅游1664万人次)，而同年日本接待的外国入境游客刚刚超过500万人次。本文旨在介绍和分析日本国内旅游业的发生、发展的变化特征，以及国民不同的旅游方式和旅游地域差异。     

1983～2006年新疆及邻区地震活动的时空格局分析

利用中国地震台网（CSN）地震目录整理了1983年以来发生在新疆及邻区ML≥3．0的浅源地震,并在MapGIS平台下,运用数字地图技术,制作了分震级、分年份、分月份系列地震图谱,分析地震发生的时空特征,表明：新疆及邻区地震呈带状分布,自北往南可分为阿尔泰地震带、天山地震带、西昆仑地震带和阿尔金地震带;各地震带活动水平不同,前3条地震带在2003年出现地震次数最高值,具有近10年的活动周期,阿尔金地震带地震次数最高值出现在1993年,有约5年的活动周期;各地震带带内活动水平也有一定差异,帕米尔地区地震最为频繁;年内地震主要集中在2、5、8、10月4个月份。     

A New Nonparametric Discriminant Analysis Algorithm Accounting for Bounded Data Errors

In a statistical pattern recognition context, discriminant analysis is designed to classify, when possible, objects into predefined categories. Because this method requires precise input data, uncertainties cannot be propagated in the classifying process. In real case studies, this could lead to drastic misinterpretations of objects. A new nonparametric algorithm based on interval arithmetic has thus been developed to propagate interval-form data. They consist in calculating interval conditional probability density functions and interval posterior probabilities. Objects are eventually assigned to a subset of classes, consistent with the data and their uncertainties. The classifying model is thus less precise, but more realistic than the standard one, which we prove on a real case study.