小波变换在相对海平面变化研究中的应用   总被引：5，自引：5，他引：0  

欧素英  陈子燊 《地理科学》2004,24(3):358-364

根据广东沿岸14个验潮站的月均序列,应用小波分析方法将其进行时域-频域分解,分析了近40多年来月平均潮位序列的多层次尺度结构,进而研究相对海平面的周期变化和趋势变化。结果表明,用小波变换研究相对海平面在时域-频域中的周期分布及变化时,能较好地揭示周期变化的局部特征;广东沿岸相对海平面变化包含着0.5年、1年、2~4年、10~11年及18~20年左右等周期变化,且周期变化在时间域中具有明显的局部化特征;据实测资料计算,周期变化对海平面的趋势变化影响明显,未消除周期变化的趋势分析结果偏大,用小波变换有效地消除周期变化后得出粤西及珠江口地区沿岸相对海平面变化率,一般而言,广东沿岸海平面呈上升趋势,上升幅度约为0.36~1.2 mm/a。  相似文献   

西天山晚古生代吐拉苏火山盆地金矿成矿系列的成矿机理   总被引：4，自引：0，他引：4  

贾斌  毋瑞身  田昌烈  沙德铭 《地质与资源》2003,12(1):32-35

在西天山晚古生代吐拉苏火山盆地内,由于火山物质、构造、流体、成矿环境的差异,形成了不同类型的阿希金矿、伊尔曼得-吉兰德金矿和塔吾尔别克金矿,构成了成矿系列.成矿系列中的各类矿床成矿机理具有相关性、独特性和规律性.  相似文献   

泥河湾盆地基于粒度气候指标的轨道调谐时间标尺     

韩志勇  李徐生 《地球科学》2006,31(6):773-779

泥河湾盆地东部出露一套厚近百米的以湖相为主的地层.我们测量了洞沟剖面的粒度和磁化率.通过磁化率记录的对比, 我们可以将前人确定的古地磁界线转移到我们的深度坐标上来, 并建立了初步的时间标尺.样品中粒径在20~50μm之间的颗粒含量时间序列可以与ETP曲线对比, 即低含量对应高ETP值.这样的对比意味着在北半球夏季太阳辐射量相对增加的时期, 进入泥河湾盆地沉积物中的风尘物质减少了.这与已知的北方风尘的演化历史是吻合的, 所以我们认为粒度(20~50μm) 含量是泥河湾盆地沉积物中比较可靠的古气候变化的替代性指标.对于沉积速率相对高的时段, 即 > 780ka的地层, 我们尝试用轨道调谐的方法建立了高分辨率的时间标尺.新的粒度(20~50μm) 含量时间序列滤波获得的20ka和41ka的周期成分与岁差及地轴倾斜度的理论值可以重合.这显示洞沟剖面的粒度(20~50μm) 含量记录可以作为轨道调谐的气候曲线.   相似文献   

软土路基沉降实时建模动态预测   总被引：6，自引：2，他引：4  

肖武权  冷伍明 《岩土力学》2005,26(9):1481-1484

在路基填筑施工过程中,用多项式与时间序列AR组合模型预测其沉降变形发展。根据沉降观测值,采用统计分析方法识别和建立多项式预测模型,预测在某时期沉降趋势值;用平稳时间序列分析方法建立随机部分模型,并预测沉降随机部分值,二者之和即为某时期沉降预测值。随着新观测数据的不断加入,及时修改预测模型参数值,达到实时预测之目的。工程实例研究表明：组合模型预测值明显优于单一趋势模型预测值。组合模型一步预测误差绝对值大多数情况下小于5 mm。预测步数越多,预测误差则越大。  相似文献   

长江黄河源区水文和气象序列周期变化分析   总被引：39，自引：14，他引：25  

杨建平  丁永建  陈仁升 《中国沙漠》2005,25(3):351-355

应用Meyer小波,对江河源地区近50a来年径流量、年降水量和年平均气温做周期分析,发现江河源地区水文气象序列的变化周期基本在22a、16~17a、11a、7~8a、5~6a和2~3a左右的时间尺度上浮动。而这些基本周期正是太阳黑子活动周期和海-气相互作用的周期,说明江河源地区水文、气象序列的周期变化受天体运动变化的影响。天体运动直接影响降水和气温的周期变化,进而在一定的下垫面条件下,影响径流的周期变化。  相似文献   

海南岛主要成矿系列与矿床成矿规律研究   总被引：6，自引：0，他引：6  

廖香俊  王平安  丁式江  黄香定  董法先  刘晓春  雷伟志 《地质力学学报》2005,11(2):187-194

海南岛蕴藏着丰富的矿产资源,其成矿规律、成矿系列与我国华南或南岭地区既有很多相似之处,也有自己的特色,如印支期与花岗岩浆活动有关的矿床成矿系列及其成矿强度明显高于燕山期同类型矿床成矿系列,就是一个最好的例证.本文按照成矿系列的学术思想,将海南岛的矿床(点)归并为9个矿床成矿系列,成矿时代从新元古代开始,一直到新生代第四纪.成矿作用方面,岩浆活动和风化-沉积作用对工业矿床的形成贡献最为有利.   相似文献   

Similarity search and pattern discovery in hydrological time series data mining     

Rulin Ouyang  Liliang Ren  Weiming Cheng  Chenghu Zhou 《水文研究》2010,24(9):1198-1210

The rapid development of data mining provides a new method for water resource management, hydrology and hydroinformatics research. In the paper, based on data mining theory and technology, we analyse hydrological daily discharge time series of the Shaligunlanke Station in the Tarim River Basin in China from the year 1961 to 2000. Firstly, according to the four monthly statistics, namely mean monthly discharge, monthly maximum discharge, monthly amplitude and monthly standard deviation, K‐mean clustering was used to segment the annual process of the daily discharge. The clustering result showed that the annual process of the daily discharge can be divided into five segments: snowmelt period I (April), snowmelt period II (May), rainfall period I (June–August), rainfall period II (September) and dry period (October–December and January–March). Secondly, dynamic time warping (DTW), which is a different distance metric method from the traditional Euclidian distance metric, was used to look for similarities in the discharge process. On the basis of the similarity matrix, the similar discharge processes can be mined in each period. Thirdly, agglomerative hierarchical clustering was used to cluster and discover the discharge patterns in terms of the autoregressive model. It was found that the discharge had a close relationship with the temperature and the precipitation, and the discharge processes were more similar under the same climatic condition. Our study shows that data mining is a feasible and efficient approach to discover the hidden information in the historical hydrological data and mining the implicative laws under the hydrological process. Copyright © 2010 John Wiley & Sons, Ltd.  相似文献   

Estimating tree canopy cover using harmonic regression coefficients derived from multitemporal Landsat data     

《International Journal of Applied Earth Observation and Geoinformation》2020

The goal of this study was to evaluate whether harmonic regression coefficients derived using all available cloud-free observations in a given Landsat pixel for a three-year period can be used to estimate tree canopy cover (TCC), and whether models developed using harmonic regression coefficients as predictor variables are better than models developed using median composite predictor variables, the previous operational standard for the National Land Cover Database (NLCD). The two study areas in the conterminous USA were as follows: West (Oregon), bounded by Landsat Worldwide Reference System 2 (WRS-2) paths/rows 43/30, 44/30, and 45/30; and South (Georgia/South Carolina), bounded by WRS-2 paths/rows 16/37, 17/37, and 18/37. Plot-specific tree canopy cover (the response variable) was collected by experienced interpreters using a dot grid overlaid on 1 m spatial resolution National Agricultural Imagery Program (NAIP) images at two different times per region, circa 2010 and circa 2014. Random forest model comparisons (using 500 independent model runs for each comparison) revealed the following (1) harmonic regression coefficients (one harmonic) are better predictors for every time/region of TCC than median composite focal means and standard deviations (across times/regions, mean increase in pseudo R² of 6.7% and mean decrease in RMSE of 1.7% TCC) and (2) harmonic regression coefficients (one harmonic, from NDVI, SWIR1, and SWIR2), when added to the full suite of median composite and terrain variables used for the NLCD 2011 product, improve the quality of TCC models for every time/region (mean increase in pseudo R² of 3.6% and mean decrease in RMSE of 1.0% TCC). The harmonic regression NDVI constant was always one of the top four most important predictors across times/regions, and is more correlated with TCC than the NDVI median composite focal mean. Eigen analysis revealed that there is little to no additional information in the full suite of predictor variables (47 bands) when compared to the harmonic regression coefficients alone (using NDVI, SWIR1, and SWIR2; 9 bands), a finding echoed by both model fit statistics and the resulting maps. We conclude that harmonic regression coefficients derived from Landsat (or, by extension, other comparable earth resource satellite data) can be used to map TCC, either alone or in combination with other TCC-related variables.  相似文献   

共模误差对坐标时间序列分析的影响     

孙阳  徐爽  崔志浩  周海龙 《北京测绘》2020,(1):113-117

基于2013年至2018年环渤海地区GPS基站6年的观测数据,研究了共模误差对坐标时间序列分析的影响。首先利用主成分分析方法提取环渤海区域27个基准站的共模误差,以N、E、U三个方向的第一主成分来计算共模误差;然后使用最大似然估计法得到各测站剔除共模误差前后的噪声。发现在消除共模误差后,N,E,U方向的相对坐标时间序列得到改善,白噪声,闪烁噪声和随机行走噪声明显减小。结果表明,共模误差的剔除有效的提高了坐标时间序列分析的精度。  相似文献   

基于高斯模型的样本缺失GPS时间序列重构方法     

周知红 《北京测绘》2020,(2):255-259

缺失样本的存在会造成GPS时间序列速度估计的不确定性,从而影响GPS时间序列的应用。针对该问题本文提出一种基于高斯模型的样本缺失GPS时间序列重构方法,首先利用高斯概率密度函数对GPS时间序列的先验分布进行建模,在此基础上构建全概率贝叶斯统计模型,采用期望最大(Expectation Maximization,EM)算法对模型参数(隐变量)进行迭代更新并计算其最大似然估计值,最终完成信号重构。分别对随机缺失和分段连续缺失两种情况进行实验分析,结果表明所提方法相对于传统插值方法可以获得更好的重构性能。  相似文献