黄海C—M粒径图象的分析

C—M粒径图象的研究可作为分析碎屑沉积物形成时水力学状况的一种工具，它充实了某些其他的获取沉积水动力资料的方法。因一定的粒径对应于一个优势的沉积机理，用C—M粒径图象分析沉积作用的水力状况，可以表明一定粒级颗粒的主要搬运机制，因此海底沉积物C—M粒径图象的研究，对阐明沉积作用的过程具有重要意义。     

基于微电子系统（MEMS）加速度地震勘探三分量数字检波器简介

基于微电子机械系统（MEMS）制成的微加速度三分量数字地震检波器。集数据采集、处理及传输功能干一体，在结构模型、工作原理、性能指标控制等方面不同于常规检波器，其信号幅值在低于自然频率范围内没有衰减。因其独特的制造技术，MEMS检波器具有超低噪声，大动态范围和极高的向量保真度性能。     

方差分量估计在卫星定轨中的应用

为解决卫星精密定轨过程中的观测资料加权问题，本文在卫星精密定轨过程中引入方差分量估计。文章采用Lageos2卫星1996年1月至2000年12月的全球SLR实测数据进行了卫星精密定轨计算，计算结果表明这种加权方法能较好地平衡观测资料对定轨结果的贡献，卫星轨道精度可以得到明显的提高。     

几何光学冠层反射建模中的光谱分量特征的参数化(英文)

该文用几何光学与辐射传输混合模型研究不连续植被冠层的几何光学反射模型的四分量（承照树冠、承照地面、阴影树冠、阴影地面）的参数化。用一个修正的均匀介质层路径散射（反射与传输）参数的解析算法估计路径散射参数（反射与传输），其中也考虑了冠层间隙的影响。光谱分量特征是不连续植被冠层的传输与反射，背景反照率，以直射光通量与天空漫射光通量比例的函数。光谱分量特征的模型与在美国缅因州Ｈｏｌａｎｄ采集的针叶林数据吻合。基于ＬｉＳｔｒａｈｌｅｒ几何光学相互遮蔽模型，用参数化的光谱分量特征对老松林和老云杉林的方向反射进行估计，其结果与在不同太阳与观测方向上的ＰＡＲＡＢＯＬＡ测量值匹配得很好。     

2018年云南墨江M5.9地震前的重力变化

对南北地震带上的绝对重力数据和多期相对重力数据进行平差处理,获得了2018年9月8日云南墨江M5.9地震前的区域重力场变化图,分析了区域重力场变化及其与墨江M5.9地震的关系。结果表明:①2015年9月—2017年9月,震区周边区域重力场变化呈现明显的四象限分布特征;②2015年9月—2018年9月,在重力场变化的时空演化上,震区附近重力场变化显示出重力正变化→重力正变化扩展→重力零变化的平静期→重力变化呈四象限分布→重力场反向变化→临震前重力零变化的平静期的过程,反映出地震前震区附近的断层由单个独立活动向多个协同活动的演进过程,与处于亚失稳状态的断层活动具有一致性;③地震前重力场四象限变化形态与震源机制显示的压缩区和拉张区一致,表明地震前震中附近构造应力作用下的物质迁移可能是区域重力场变化的成因。     

华南二叠－三叠系的事件地层与生物地层界线

华南二叠－三叠系界线研究应严格区分事件地层界线与生物地层界线。“界线粘土”层的底界即为事件地层界线。生物地层界线定义不能与“混生层”或“过渡层”的概念连在一起。长兴煤山忠心大队剖面是最好的二叠－三叠系全球界线层型剖面点（ＧＳＳＰ）。二叠－三叠系生物地层界线定义为ＨｉｎｄｅｏｄｕｓｐａｒｖｕｓＭｏｒｐｈｏｔｙｐｅ１的首次出现,其位置就在长兴剖面界线层（混生层）２的内部,比事件地层界线高１５ｃｍ。ＨｉｎｄｅｏｄｕｓｐａｒｖｕｓＭｏｒｐｈｏｔｙｐｅ１的首次出现,即为长兴阶的顶界。     

基于奇异谱分析的南方涛动指数短期气候预测试验

The Southern Oscillation Index (SOI) time series is analyzed by means of the singular spectrum analysis (SSA) method with 60-month window length. Two major oscillatory pairs are found in the series whose pe riods are quasi-four and quasi-two years respectively. The auto-regressive model, which is developed on the basis of the Maximum Entropy Spectrum Analy sis, is fitted to each of the 9 leading components including the oscillatory pairs. The prediction of SOI with the 36-month lead is obtained from the reconstruction of these extrapolated series. Correlation coefficient between predicted series and 5 months running mean of observed series is up to 0.8. The model can successfully predict the peak and duration of the strong ENSO event from 1997 to 1998. It＇s also shown that the proper choice of reconstructed components is the key to improve the model prediction.