Wolfe线搜索下一种修正的HS共轭梯度法及其全局收敛性

提出一种修正的HS共轭梯度法.该算法产生的搜索方向为充分下降方向,且这一性质与所采用的线搜索方法无关.并在Wolfe线搜索的条件下证明了该算法全局收敛性.数值实验结果表明算法是有效的.     

海面流场卫星遥感方法综述

海表面流矢量是海洋和气象领域诸多过程中最基本、最重要的要素,它们对海洋中多种生物过程、化学过程和物理过程都有制约作用,因此,掌握全球范围的海流信息和规律无论是对于海洋学本身的研究,还是与海洋密切相关的渔业、航运等都有重要意义。测量海流比较直接的方式是"现场观测",然而这种方法的空间覆盖范围有限,且观测成本较高。岸基高频地波雷达是专门用来测量沿岸海流的雷达设备,然而其测量的空间范围有限,不能进行全球观测。卫星遥感能够实现低成本、高空间分辨率、以及全球范围的海场测量。本文对海面流场卫星遥感方法进行综述,其中包括多时相示踪物测量法、卫星高度计测量法、合成孔径雷达多普勒中心偏移法、以及合成孔径雷达沿航向干涉法,并对海面流场卫星遥感方法进行展望。     

基于遥感资料和观测数据的重点海域海表盐度评估分析

【目的】通过验证Aquarius海表盐度遥感产品数据在不同大洋和波束的反演精度,为其应用提供依据。【方法】基于自沉浮式剖面探测浮标Argo(Array for real-time geostrophic oceanography)盐度观测数据评估Aquarius卫星在重点海域(太平洋、大西洋、印度洋)和不同波束对应的海表盐度产品精度。【结果】相对于波束2和波束3,波束1海表盐度与Argo观测最为接近,偏差和均方根差分别为0.003psu和0.397psu。与大西洋和印度洋相比,太平洋反演精度最高。在中纬度地区,盐度偏差较小,约为0.1psu;在南北纬20°和高纬度区域,盐度偏差较大,约为0.2psu;低海温和高风速对盐度误差也有重要贡献,低海温对应的弱亮温信号和高风速下的不准确的海面粗糙度模型是导致盐度偏差的主要因素。此外,利用Argo月平均海表盐度观测数据评估了Aquarius卫星海表盐度三级产品,均方根差在0.27~0.34psu之间,平均值为0.31psu。在二级和三级产品中,V3.0SSS_bias_adj的均方根差相比V3.0SSS均降低约0.04psu。【结论】与V2.0数据产品相比,V3.0二级产品精度有了的较大提高,三级产品无明显改善,升轨和降轨的偏差依然存在。海表温度校正能够提高盐度反演的精度,使得均方根误差下降0.04psu。     

混合物溶液结构的二维扩散排序核磁共振谱

根据混合物溶液中各组分的扩散系数与该组分分子量有关这一物理性质,利用核磁共振中的脉冲梯度场技术,发展了一种二维扩散排序核磁共振谱（２ＤＤＯＳＹ）．这样无需对混合物溶液进行理化分离,就能得到扩散分离的核磁共振谱,从而方便对混合物溶液组分和结构进行研究．还讨论了ＤＯＳＹ谱分离混合物溶液各组分的分辨能力与各组分分子量的相对比例间的关系     

人膀胱癌细胞系BIU-87细胞遗传学研究

运用染色体显带技术对人膀胱癌细胞系BIU—87进行了细胞遗传学研究.结果表明,该细胞系干系染色体众数为90,94条,分别为亚四倍体和超四倍体,存在很多染色体数目和结构异常.可见较多多倍体,核内复制和C—后期核型.结构异常包括双着丝粒染色体,环状染色体,染色单体裂隙等.研究结果确定了该细胞系的11个标记染色体,涉及的主要断裂点有1p11,1p32,3p11,6q21,7q31,9p13,9p21,11q11,11q13及17p11,并对这些断裂点在肿瘤发生中的意义进行了讨论.     

膨胀土预测分级的可拓学模型及应用

为预测膨胀土胀缩等级,提出一种基于物元模型和聚类分析的预测方法。首先利用膨胀土等级和影响因子,构造经典域物元和节域物元;然后应用物元和可拓集合中的关联函数,建立膨胀土预测等级模型。通过聚类分析,得到膨胀土等级的预测结果。实例分析结果表明,该算法是一种可行、有效的预测膨胀土胀缩等级模型。     

基于RS和GIS的柴达木盆地绿洲区土地利用变化研究

本文利用1987年和2000年覆盖柴达木盆地东部香日德绿洲区的Landsat TM遥感影像,在图像解译的基础上对香日德绿洲进行基于GIS的土地利用变化遥感动态监测,获取香日德绿洲区土地利用、土地沙漠化等环境动态信息,并在GIS的支持下,结合实地调查与区域社会经济统计资料进行绿洲区土地利用的动态变化分析,为本区农业资源开发,土地沙漠化防治提供科学依据,为政府部门在绿洲的异地扶贫工程顺利进行提供技术支持.     

基于最小化各向同性误差的LiDAR-双目相机标定方法

LiDAR(Laser Imaging,Detection,and Ranging，激光雷达)与双目相机的多模态数据融合是3D重建领域的一个重要研究方向，两种传感器各有优缺点，通过多模态数据融合可以实现互补，获得更好的重建效果。为了实现数据融合，首先需要将两种数据统一到同一个坐标系下，LiDAR与相机之间外参的高精度标定结果对后续的3D重建十分重要。在LiDAR与相机的外参标定过程中，受LiDAR点云的稀疏性与其定位误差的影响，提取精确的特征点并构建正确的点对应关系是一个挑战性的问题。此外，LiDAR在球坐标系下完成测量工作，而大多数标定方法忽略这一特性，直接使用笛卡尔坐标测量结果进行标定，引入了沿坐标轴各向异性分布的误差，导致标定精度下降。针对该问题，有研究者提出了各向异性权重方法，但仍存在一些缺陷。文中提出了一种最小化LiDAR球坐标误差的LiDAR与双目相机标定方法。首先，提出了一种使用形心特征点的新的标定板，改善特征点的提取精度；其次，将各向异性的LiDAR笛卡尔坐标误差转换为各向同性的球坐标误差，直接最小化球坐标误差求解外参。实验研究表明，本文提出的各向同性误差法相比各向异性...