基于LM-BP神经网络的Argo数据西北太平洋海水温度模型

以2007年西北太平洋海域Argo海表面温度、经纬度、深度为输入参数,利用LM-BP神经网络,构建了西北太平洋海水温度模型。将均方根差以及Pearson相关性系数作为检验指标,利用2008年和2009年的Argo数据对模型进行了检验。检验结果为:2008年均方根误差为0.714 0℃,Pearson相关性系数为0.996 8;2009年均方根误差为0.761 5℃,Pearson相关性系数为0.9965。表明所建立的基于LM-BP神经网络的Argo数据西北太平洋海水温度模型是可行的。     

江苏省地震科学数据共享平台技术研究

本文利用分布式数据库技术着力研究和开发了江苏省地震局的测震数据库、前兆数据库的共享、管理与集中发布技术。主要运用JSP（Java Server Page）技术及PHP（Hypertext Preprocessor）语言对测震的JOPENS系统中MySQL数据库、EQIM数据库、及前兆Oracle数据库等进行进一步地开发。搭建了一个行业内跨计算机操作平台的可视化的地震科技数据共享、交换及管理平台,实现了多种地震科学数据的（例如近、远震地震信息、各学科的运行率等）在线可视化、基于Google Map检索的地震信息服务等。     

通信技术在近海环境监测中的应用

本文针对海洋环境监测覆盖面广、站位分散、数据间断和频繁少量的特点以及海洋环境监测自动化、实时化和连续化的发展趋势,提出一种基于水上移动通信和水声通信技术的海底观测链方式,并以海床基监测数据实时传输系统为例,对系统组成、技术特点、技术原理和应用分别阐述,旨在推广通信技术在海洋环境监测领域中的应用。     

Statistical and Hybrid Methods Implemented in a Web Application for Predicting Reservoir Inflows during Flood Events

Reservoir management is a critical component of flood management, and information on reservoir inflows is particularly essential for reservoir managers to make real‐time decisions given that flood conditions change rapidly. This study's objective is to build real‐time data‐driven services that enable managers to rapidly estimate reservoir inflows from available data and models. We have tested the services using a case study of the Texas flooding events in the Lower Colorado River Basin in November 2014 and May 2015, which involved a sudden switch from drought to flooding. We have constructed two prediction models: a statistical model for flow prediction and a hybrid statistical and physics‐based model that estimates errors in the flow predictions from a physics‐based model. The study demonstrates that the statistical flow prediction model can be automated and provides acceptably accurate short‐term forecasts. However, for longer term prediction (2 h or more), the hybrid model fits the observations more closely than the purely statistical or physics‐based prediction models alone. Both the flow and hybrid prediction models have been published as Web services through Microsoft's Azure Machine Learning (AzureML) service and are accessible through a browser‐based Web application, enabling ease of use by both technical and nontechnical personnel.     

基于历史记录的赤潮灾害危险性区划方法的构建与应用

利用福建省近岸海域1959—2018年的赤潮历史记录数据资料,在地理信息系统(Geographical Information System,GIS)平台下采用核密度估计函数(kernel density estimation)对赤潮历史记录数据中的赤潮发生频次、赤潮发生持续时间、赤潮面积和赤潮藻类毒性等参数进行了空间...     

轻量级校园地下管线管理系统的规划与设计

通过调研并借鉴其他院校的建设经验,归纳得出中国环境管理干部学院新校区地下管线管理系统的目标和总体需求,规划出系统的数据处理模块、查询模块、分析模块和系统管理模块,并选择将DotSpatial作为系统开发的基础框架,对地下管线管理系统建设的资料搜集、数据库建模、数据处理、数据入库和数据更新五个阶段进行了重点讨论。     

基于热红外遥感数据和光谱混合分解模型的城市不透水面估算

不透水面的迅速增长是城市化的显著特征之一,针对大范围的城市监测,运用遥感技术迅速提取城市不透水面是当前国内外研究的热点。论文选用Landsat 7的ETM+影像,基于光谱混合分解模型,结合热红外遥感数据反演生成的地表温度,研究杭州市的不透水面分布信息的提取。通过高、低反照率、植被及土壤4类光谱端元的线性组合来表征不同城市土地类型,并利用地表温度和土壤分量分别剔除高、低反照率分量中的"噪声",综合修正后的高反照率分量和低反照率分量估算杭州市不透水面分布。结果显示,研究区中均方根误差的平均值为0.003 6,不透水面分布结果与同期Google earth上的高分辨率影像和SPOT 4影像的解译结果对比分析,绝大多数样本的估算值与解译值之差落在±0.15区间内,精度令人满意。研究表明,热红外遥感数据和光谱混合分解模型相结合,可以实现对不透水面进行快速、精确的估算。     

“三门六科”水质基准最少毒性数据需求原则

MTDR(最少毒性数据需求)是水质基准推算中数据应用的重要原则. 以重金属Pb2+、Cd2+、Cu2+、Zn2+、Hg2+、Cr6+为例,在广泛搜集物种毒性数据的基础上,通过数据比较分析,初步研究了我国水生生物基准的MTDR. 结果表明:Hg2+、Pb2+和Cu2+基于“三门六科”推导的急性基准值与基于美国“三门八科”MTDR的推算结果相近,分别相差20.5%、25.2%和33.3%;Cd2+、Zn2+和Cr6+的计算结果差别较为明显,表明相对于美国“三门八科”MTDR,在我国生物毒性数据缺乏的情况下,“三门六科”MTDR对于部分污染物基本可行,但仍具有一定的不确定性. “三门六科”包括鲤科、除鲤科外的另一科鱼类(冷水鱼优先)、两栖类、浮游甲壳类、昆虫类和环节动物类.      

水质基准方法学中若干关键技术探讨

我国正在开展系统的水质基准研究,对发达国家的水质基准理论和技术处于学习和研究阶段. 物种敏感度分布分析、“最少毒性数据需求”以及基准的修正是水质基准推算中的若干关键技术. 以氨氮水生生物基准为例,对这些关键技术进行了研究与探讨,提出在我国本土生物毒性数据缺乏的情况下可在种的水平上对水质基准进行推算. 另外,可先利用全部生物的毒性数据进行物种敏感度分析,确定需重点获取的敏感生物类群的毒性数据,再用于基准推算,有望降低推算过程中对毒性数据量的需求. 最后,基于中美生物物种分布的差异,借鉴美国修订国家水质基准的水效应比法,提出利用生物效应比法对美国国家水质基准进行修订以获取我国水质基准.