空间流系中水团不定常混合的理论分析

迄今为止,海洋学中水团的混合问题还仅限于分别孜虑垂直方向与侧向的混合,这在研究水团的温、盐度的趋匀化过程,以及绘制温盐(T—S)曲线时得到一定的成功。当垂直混合或侧向混合起主要作用时,这种处理的方法尚可适用。但不能不看到这种描述具有其局限性。实际上,水团在垂直方向与侧向的混合有时是同时发生的,     

渤黄东海混合层化演变规律的研究进展

较详细地综述了渤黄东海混合层化演变过程与规律的研究进展情况，主要包括：混合和层化过程的分布规律与季节变化特性，采用水温垂直剖面自相关函数的半经验预报模式，动力学和热力学的数值预报模式。     

二均匀水团一维混合的频率分布问题

对生产和科学实践均有重要意义的海况分析方法,目前正处在飞跃发展的前夕。其中关于水团监定方法,因生产实践活动的要求,特别是渔业生产的要求,也迫待改善。具有悠久厉皮的一般地理学分析方法,由于包含着相当多的经验成分,以及其分析结果在量上的不精确性等,很难令事业部门满意地使用。关于水团的定量分析工作,     

杭州湾潮混合的初步研究 Ⅱ. 下湾区

1964年作者发表了“杭州湾潮混合的初步研究Ⅰ.上湾区”一文(毛汉礼、甘子钧等，1964)。根据表征入海径流冲淡作用的河口盐度沿程分布和变化特征，将杭州湾以海盐为界划分为上湾区和下湾区：海盐以上的上游段为上湾区，其潮混合为强混合型；海盐至湾口的下游段为下湾区。其后，又对杭州湾的盐度分布、水系和环流做了初步分析，并对潮汐、对流和风浪等作用所导致的涡动混合现象作了粗略的讨论，认为要合理地阐明下湾区的混合过程似应同时考虑侧向与垂向的混合效应(毛汉礼．沈鸿书等，1964)。本文根据1963年在杭州湾下湾区进行专题水文调查所获得的资料，对杭州湾下湾区的潮混合问题进行了研究：对表征该区潮混合扩散过程的某些特征量，如水平涡动扩散系数、水平涡动交换系数等作出量级估计，并给出涡动交换椭圆；估算了控制这一河口区域盐量平衡与动量平衡的各项物理过程的相对重要性，为进一步开展杭州湾下湾区潮混合过程的观测和理论研究提供依据。     

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。     

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。     

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.     

基于权重与混合模型的遥感图像分类方法研究

提出了一种基于权重与混合像元模型的遥感图像分类方法。该方法在现有光谱混合模型的基础上,根据实际应用需要确定地类权重,通过地类丰度与权重因子加权平均确定像元的隶属类型,从而实现遥感图像分类。以SPOT-5土地覆盖遥感分类为例,对权重与混合像元模型结合的图像分类方法进行了验证,结果表明,该方法提高了遥感图像分类精度,在一定条件下更具实际意义。