简介：利用树木年轮学基本原理和方法,研究了福建省戴云山台湾松（Pinustaiwanensis）径向生长模式以及与气候的相关关系,戴云山是台湾松在大陆分布的最南界。前人研究了区域树轮对气候变化的线性相关关系,本研究进一步计算了基面积年增量年表BAI年表,并基于人工神经网络模型研究了戴云山台湾松径向生长与气候的线性和非线性关系。模拟结果显示台湾松径向生长与温度和降水存在一定的非线性特征,其线性关系只在一定阈值内成立,比如降水在大约40~270mm之间呈现线性关系。台湾松BAI年表与气候因子相关分析表明,区域5—10月份平均温度引起的季节性干旱是台湾松径向生长的主要限制因子,其相关系数达-0.64。研究对于进一步理解戴云山地区台湾松生长对未来气候变化可能的非线性响应关系有重要意义。

简介：常规多波联合反演采用Zoeppritz方程的近似式构建正演方程,反演过程中需要假定背景纵横波速度比为常数,其反演精度不高,稳定性不好。本文提出了一种基于精确Zoeppritz方程的多波联合反演方法,结合贝叶斯方法进行广义线性反演。本方法基于精确Zoeppritz方程构建正演方程,避免了近似式反演在大角度时引起的误差;利用贝叶斯方法引入模型参数的先验分布信息,作为反演的正则化项,降低了反演的不适定性;反演目标函数中引入低频软约束,稳定了反演低频结果,提高了反演的鲁棒性;在求解反演目标函数时,利用快速算法,降低了反演的运算量。经过模型试算,证明了该方法的优越性和抗噪性;并在实际资料的应用中证明了该方法的实用性和有效性。

简介：针对高铁沉降监测数据的海量特性,以及传统管理方式存在的效率不高、可视化效果不好的问题,设计了一种基于线性参照系统有效管理和显示高铁沉降监测数据的集成模型。该模型中,高铁路网以路径要素集存储,高铁沿线非空间数据以事件表的形式存储,由此实现高铁沉降监测相关的空间数据和属性数据的线性建模与集成。同时,使用ArcEngine组件与.NET平台实现了沉降监测数据空间查询和可视化表达功能,可形象地反映高铁线路与沉降监测点的分布状况,更易于进行沉降数据的可视化分析、预测和评估。数据集成模型实现了非空间数据和空间数据的一体化管理,有效地减少了数据存储冗余,提高了高铁变形监测数据管理的效率,对我国高速铁路的建设与运营安全的海量监测数据管理具有一定的参考价值。