竹亚科植硅体形态学研究及其生态学意义   总被引：1，自引：0，他引：1       下载免费PDF全文

李泉  徐德克  吕厚远 《第四纪研究》2005,25(6):777-784

选择我国常见的竹亚科19属64种进行系统的植硅体形态学研究,对竹亚科特有的长鞍型植硅体的长度、宽度、高度(侧面宽)和硅质颗粒数目等参数进行了测量。研究发现,合轴散生竹长鞍型植硅体个体最大(长度20.6±0.2m,宽度12.8±0.5m,高度12.4±0.1m,颗粒数2.8±0.5),单轴散生竹次之(长度18.8±0.8m,宽度11.7±0.4m,高度11.8±0.3m,颗粒数1.9±0.1),复轴混生竹再次(长度18.3±1.5m,宽度11.2±1.5m,高度11.4±1.7m,颗粒数1.8±0.4),合轴丛生竹最小(长度18.0±1.8m,宽度9.7±0.5m,侧面宽10.1±1.4m,颗粒数2.6±0.3)。经判别分析显示以长鞍型植硅体三维形态参数和硅质颗粒数目为变量可以区分竹亚科植物各生态型,并初步明确了长鞍型植硅体形态与竹亚科生态型的对应关系,探讨了其与竹亚科植物生境条件之间的对应关系,以及在竹亚科植物演化序列中的意义,为利用竹亚科长鞍型植硅体形态进行古环境分析提供了基础性资料。  相似文献   

一种新的空谱联合高光谱图像分类方法     

曲海成  郭月  王媛媛 《测绘科学》2019,44(8):82-90

针对现有高光谱图像分类方法对空间和谱间信息的利用不充分,限制了地物分类的准确度的问题,该文提出一种基于正交线性判别分析和三维离散小波变换的高光谱图像空谱联合分类算法。该算法首先利用正交线判别分析对高光谱图像进行特征提取和特征缩减;然后将提取后的特征经三维离散小波从不同尺度、频率和方向上分解,以级联的方式获得具有正交类判别信息的空谱融合特征集;最后,将空谱融合特征集作为概率支持向量机的输入特征,分类的结果再通过马尔可夫随机场利用空间上下文信息细化分类图,进一步提升分类准确度。在Indian Pines和Salinas两组数据集上的实验表明,相比其他算法,该算法能达到更高的总体分类准确度和Kappa系数,并且在大部分的地物类别上的分类准确度有着较为明显地提升。  相似文献   

多元统计分析在矿井断层预测中的应用   总被引：1，自引：0，他引：1  

刘颖鑫  孙洪泉 《中国煤炭地质》2012,(8):28-31

矿井小构造预测是一个难度极大的研究课题,根据岩层厚度、岩层组合关系,运用判别分析、地质统计学等数学方法预测矿井小构造,是一种全新的思想方法。本次研究选取我国西部某一煤矿作为研究对象,研究主采煤层上下岩性变化特征,根据岩石的不同抗压强度,确定五个变量;将已采区的钻孔分为含有断层的钻孔和不含有断层的钻孔,统计这两类钻孔中五个变量的值,建立判别函数,对未采区的钻孔进行判别分类。对每个钻孔的岩层在可采煤层的上下划分成10个层段,判别出每个层段中未知钻孔的归属,从而得到钻孔属于有断层的概率,即断层分布的概率等值线图。经实例验证,精确度达70%以上,对生产矿井具有一定经济效益和实用价值。  相似文献   

矿区地下水系统水质分类判别的多元统计分析   总被引：1，自引：0，他引：1       下载免费PDF全文

江晓益  成春奇 《水文地质工程地质》2009,36(4):16-20

以某矿区地下水系统为例,对该矿区地下水水化学资料进行了多元统计分析方法耦合应用研究,主要包括利用因子分析对存在相关关系的离子变量进行空间降维处理,找出能够反映众多离子信息的基础变量(正交因子),以其作为系统聚类变量;运用系统聚类法获取能代表各地下水子系统水化学特征的典型水样;使用贝叶斯逐步线性判别分析建立地下水各子系统水化学判别模型(判别函数),并对随机检验样品进行判别归属和判别模型统计检验。结果表明:这是一种稳定性较好且切实有效的、适用于矿区地下水系统水化学分类及水源水化学判别的方法。  相似文献   

判别分析在判别油层、油水同层及水层方面的应用   总被引：2，自引：0，他引：2  

何永垚  赵锡奎  杨国军  高恒逸 《物探化探计算技术》2009,31(4):400-404

判别分析是由已知不同类型的总体建立判别函数,再用判别函数判断未知个体所属类型的多元统计方法。该方法在地质学、生物学、农学、医学等领域有着广泛的应用。以岩性系数、孔隙度、侵入系数、含油饱和度四个观测变量,用判别分析法对油层、油水同层和水层构建判别函数,并对已知样本进行了重新归类。结果证明,所建立的数学模型效果良好,可以用于试油层的判别。该数学模型与传统的方法相比,将数学函数用于油气勘探领域是一种新的有益探索。  相似文献   

洞庭盆地资水三角洲地区第四纪沉积环境判别及其特征          下载免费PDF全文

孙立群  张鑫  梁杏  常致凯  付鹏宇  张洁 《地球科学》2021,46(9):3245-3257

沉积相及特征研究有助于更全面地认识河湖环境演化规律,但在洞庭盆地资水三角洲地区还未有相关表述.本研究基于第四纪典型钻孔（BMS01和BMS02）沉积样品,开展了丰富的岩石学、年代学与沉积学研究,运用粒度频率分布曲线对研究区第四纪堆积物沉积相进行分析,用粒度参数计算结果和Fisher判别模型进行了判别.结果表明Fisher模型判别公式适用于平原区河流相、湖相及非稳定相沉积环境的判别.在资水三角洲区域内的应用,判别函数总体识别正确率为94.9%,误判率为5.1%,高出正确率的一般标准（75%）.综合判别结果及地质研究资料,运用C-M图和粒度散点图揭示了第四纪以来区域的多旋回沉积特征及演化过程,并阐述了地层的形成机制.研究结果可以为第四纪地层划分与对比、地下水资源评价和地层原生劣质水研究提供基础资料.   相似文献   

基于红外光谱的煤炭产地溯源技术研究          下载免费PDF全文

林阳  李晶  夏文豪 《地质科技通报》2022,41(4):317-328

随着我国煤炭对外依赖程度的不断提高, 煤炭进口掺假、以次充好的问题日益严重, 因此建立准确、快速、便捷、安全、环保的煤炭产地溯源技术的工作势在必行。红外光谱分析技术近年来也已经广泛应用在医药、食品、工业等领域的原产地鉴别工作中。红外光谱中包含丰富的成分与结构信息, 不同国家产出的煤炭, 不同产地的煤炭在组分及分子结构上存在较大的差异, 可以作为产地溯源的特征指示信息。因此, 本研究应用傅里叶红外光谱分析仪对来自5个国家30个进口煤炭样品进行了光谱采集分析, 通过不同产地的煤炭在红外光谱上所表现出的特征性, 以主成分分析和判别分析等化学计量学分析方法创新性地建立了3个国家的基于红外光谱特征信息的煤炭产地溯源模型, 并对模型的准确性进行了验证, 得出的主要认识如下: ①不同国家产出的煤炭, 其测定的红外光谱曲线形状存在差异, 所含有的官能团种类不同, 同种官能团吸收峰的数量、峰位及峰强度也有明显的差异; ②基于3个国家23个煤炭样品的红外光谱测试数据, 建立了官能团的特征信息数据库, 对其进行主成分分析和判别分析等化学计量学方法分析, 建立了俄罗斯、印尼和澳大利亚的煤炭产地溯源模型; ③选取已知产地的煤炭样本对建立的产地溯源模型的准确性进行了验证, 溯源效果准确率达到100%。某一产地的样本量越多, 模型判别分类的准确率更高, 溯源效果也更好。   相似文献   

判别分析在海浪分类中的应用     

汪炳祥 《中国海洋大学学报(自然科学版)》1989,(4)

本文将判别分析应用于海浪,目的在于分辨它是风浪或是涌浪。以深水波和浅水波的较广泛数据建立相应的判别函数。就所检验的例子而言,所提函数给出的结果与实际海浪的符合较现有判据的为好。  相似文献   

黄、东海域春季水团的划分、判别与分析   总被引：5，自引：0，他引：5  

李凤岐  王凤钦  苏育嵩  马鹤来  钱清瑛 《中国海洋大学学报(自然科学版)》1989,(Z1)

本文对黄、东海邻接海域5—6月份的水团进行了划分和分析。水团的划分是用经过改进的逐步聚类分析法。对划分的结果,再用Bayes多组判别方法进行判别分析检验。证实所划出的11个水团,具有统计学要求的差异显著性,回代判别成效高达90％以上,说明划分是有实际意义的。这11个水团是:沿岸冲淡水(D),黄海表层水(Y),黄海底层冷水(YC),黄—东海混合水(YE),东海表层水(E),东海次表层水(EU),黑潮表层水(KS),黑潮次表层水(KU),黑潮次—中层混合水(KM),黑潮中层水(KI)和黑潮深层水(KD)。 用地理学和统计学的方法,对各水团进行了综合分析。给出了各水团特征的统计指标,讨论了它们的形成机制与分布变化特点。可将它们归并为三个水系:冲淡水系;混合水系和黑潮水系。对各水系、水团之间的相互关系进行了讨论,指出它们具有逐级变性的明显的规律性。  相似文献   

中国五大湖三角帆蚌形态差异分析   总被引：49，自引：8，他引：49       下载免费PDF全文

钱荣华  李家乐  董志国  郑汉丰  李应森  袁伟康 《海洋与湖沼》2003,34(4):436-443

运用三种多元分析方法 ,采用 1 0个形态比例性状 ,对中国五大湖地理种群与诸暨人工群体三角帆蚌的形态差异进行了比较研究。聚类分析与主成分分析结果表明 ,太湖种群与巢湖种群形态最近 ,而洪泽种群的趋异程度最大。主成分分析构建了 3个主成分 ,其贡献率 :主成分 1为 2 7 87% ,主成分 2为 1 4 2 6% ,主成分 3为 1 1 91 % ,累积贡献率为 5 4 0 4 %。判别分析结果表明 ,5种群及人工群体形态差异显著 (P <0 0 1 )。建立了 5种群及人工群体的判别函数 ,其判别准确率P1 为 73 33%— 86 67% ,P2 为 72 73%— 1 0 0 % ,综合判别率为83 33%。  相似文献