株洲地洼沉积型片状高岭石矿的发现

株洲地洼沉积型片状高岭石矿的发现ＴＨＥＤＩＳＣＯＶＥＲＹＯＦＡＳＥＤＩＭＥＮＴＡＲＹＴＹＰＥＦＬＡＫＹＫＡＯＬＩＮＩＴＥＤＥＰＯＳＩＴＩＮＤＩＷＡＳＴＲＵＣＴＵＲＡＬＬＡＹＥＲ，ＺＨＵＺＨＯＵＣＯＵＮＴＹ，ＨＵＮＡＮ￥／／魏洲龄，蔡有兴，汪灵，张春光...     

AN EVIDENCE OF CARBON ISOTOPE TO THE DETERMINATION OF THE CARBONIFEROUS/PERMIAN BOUNDARY

ＡＮＥＶＩＤＥＮＣＥＯＦＣＡＲＢＯＮＩＳＯＴＯＰＥＴＯＴＨＥＤＥＴＥＭＩＮＡＴＩＯＮＯＦＴＨＥＣＡＲＢＯＮＩＦＥＲＯＵＳ／ＰＥＲＭＩＡＮＢＯＵＮＤＡＲＹTXＡＮＥＶＩＤＥＮＣＥＯＦＣＡＲＢＯＮＩＳＯＴＯＰＥＴＯＴＨＥＤＥＴＥＲＭＩＮＡＴＩＯＮＯＦＴＨＥ...     

On Fundamentals Predicting Floods-Landslides

ＣＯＮＣＥＰＴＩＯＮＳＯＦＨＥＡＶＹＦＬＯＯＤＳＣＡＵＳＩＮＧＬＡＮＤ┐ＳＬＩＤＥ／ＳＬＩＤＥＴｈｅｒｅａｒｅｍａｎｙｄｉｓａｓｔｅｒｓ／ｈａｚａｒｄｓｏｃｃｕｒｉｎｇｏｎｔｈｅｅａｒｔｈ’ｓｓｕｒｆａｃｅ．Ｔｈｅｓｅｅｖｅｎｔｓｐｒｅｓｅｎｔｅｄａ...     

新疆第三届天山地质矿产学术讨论会召开

新疆第三届天山地质矿产学术讨论会召开ＴＨＥＨＯＬＤＩＮＧＯＦＴＨＥＴＨＩＲＤＳＹＭＰＯＳＩＵＭＯＮＴＩＡＮＳＨＡＮＧＥＯＬＯＧＹＡＮＤＭＩＮＥＲＡＬＲＥＳＯＵＲＣＥＳＯＦＸＩＮＪＩＡＮＧ￥／／由自治区科协、新疆地质矿产局、新疆石油管理局、西北石油地质...     

GENESIS AND TYPES OF PEATLANDS,CHANGBAI MOUNTAINS,CHINA

ＧＥＮＥＳＩＳＡＮＤＴＹＰＥＳＯＦＰＥＡＴＬＡＮＤＳ，ＣＨＡＮＧＢＡＩＭＯＵＴＡＩＮＳ，ＣＨＩＮＡTXＧＥＮＥＳＩＳＡＮＤＴＹＰＥＳＯＦＰＥＡＴＬＡＮＤＳ，ＣＨＡＮＧＢＡＩＭＯＵＮＴＡＩＮＳ，ＣＨＩＮＡＷｕＣｈａｏｄｏｎｇＩｎｓｔｉｔｕｔｅｏｆＧｅｏｌ...     

SEQUENCE DIVISION,FEATURES OF SYSTEMS TRACTS AND STRATIGRAPHIC MODEL OF SHAHEJIE FORMATION IN QIBEI SAG,HUANGHUA DEPRESSION

ＳＥＱＵＥＮＣＥＤＩＶＩＳＩＯＮ，ＦＥＡＴＵＲＥＳＯＦＳＹＳＴＥＭＳＴＲＡＣＴＳＡＮＤＳＴＲＡＴＩＧＲＡＰＨＩＣＭＯＤＥＬＯＦＳＨＡＨＥＪＩＥＦＯＲＭＡＴＩＯＮＩＮＱＩＢＥＩＳＡＧ，ＨＵＡＮＧＨＵＡＤＥＰＲＥＳＳＩＯＮTXＳＥＱＵＥＮＣＥＤＩＶＩＳＩＯ...     

SEDIMENTARY ORGANIC MATTER’S CLASSIFICATION AND OIL-GENERATING MODELS FOR ORGANIC COMPONENTS OF OIL-GAS SOURCE ROCKS IN CHINA

ＳＥＤＩＭＥＮＴＡＲＹＯＲＧＡＮＩＣＭＡＴＴＥＲ’ＳＣＬＡＳＳＩＦＩＣＡＴＩＯＮＡＮＤＯＩＬＧＥＮＥＲＡＴＩＮＧＭＯＤＥＬＳＦＯＲＯＲＧＡＮＩＣＣＯＭＰＯＮＥＮＴＳＯＦＯＩＬＧＡＳＳＯＵＲＣＥＲＯＣＫＳＩＮＣＨＩＮＡＪｉｎＫｕｉｌｉ，ＬｉｕＤａｍ...     

A STRATABOUND LEAD-ZINC DEPOSITS MODEL RELATED TO SEQUENCE BOUNDARIES AND SYSTEMS TRACTS IN NORTHERN AND CENTRAL GUANGXI,CHINA

ＡＳＴＲＡＴＡＢＯＵＮＤＬＥＡＤ－ＺＩＮＣＤＥＰＯＳＩＴＳＭＯＤＥＬＲＥＬＡＥＤＴＯＳＥＱＵＥＮＣＥＢＯＵＮＤＡＲＩＥＳＡＮＤＳＹＳＴＥＭＳＴＲＡＣＴＳＩＮＮＯＲＴＨＥＲＮＡＮＤＣＥＮＴＲＡＬＧＵＡＮＧＸＩ，ＣＨＩＮＡTXＡＳＴＲＡＴＡＢＯＵＮＤＬＥＡ...     

ANCINT GEOTHERMAL ACTIVITY AND ITS GEOLOGICAL IMPLICATIONS IN SHUIKOUSHAN ORE AREA,HUNAN PROVINCE CHINA

ＡＮＣＩＮＴＧＥＯＴＨＥＲＭＡＬＡＣＴＩＶＩＴＹＡＮＤＩＴＳＧＥＯＬＯＧＩＣＬＩＭＰＬＩＣＡＴＩＯＮＳＩＮＳＨＵＩＫＯＵＳＨＡＮＯＲＥＡＲＥＡ，ＨＵＮＡＮＰＲＯＶＩＮＣＥＣＨＩＮＡTXＡＮＣＩＮＴＧＥＯＴＨＥＲＭＡＬＡＣＴＩＶＩＴＹＡＮＤＩＴＳＧＥＯＬ...     

AEOLIAN GEOMORPHICAL TYPES IN THE COASTAL AREAS OF THE BOHAI AND YELLOW SEAS AND THEIR EVOLUTION MODELS

ＡＥＯＬＩＡＮＧＥＯＭＯＲＰＨＩＣＡＬＴＹＰＥＳＩＮＴＨＥＣＯＡＳＴＡＬＡＲＥＡＳＯＦＴＨＥＢＯＨＡＩＡＮＤＹＥＬＬＯＷＳＥＡＳＡＮＤＴＨＥＩＲＥＶＯＬＵＴＩＯＮＭＯＤＥＬＳＦｕＭｉｎｇｚｕｏ，ＸｕＸｉａｏｓｈｉａｎｄＸｕＸｉａｏｗｅｉＦｉｒｓｔＩｎ...     

基于多源数据的西藏地区积雪变化趋势分析

利用1980—2009年气象台站的观测数据、 北半球NOAA周积雪产品和2001—2010年500 m分辨率的EOS/MODIS积雪产品等多源资料, 从不同角度对近30 a来西藏区域积雪变化趋势进行了分析. 结果表明: 不同资料分析均显示, 近30 a来西藏地区积雪不断减少, 尤其以近些年较为明显. 近30 a积雪日数、 最大积雪深度总体上呈现下降趋势, 尤其是进入21世纪以来, 下降趋势非常明显. 从秋冬春季节的积雪变化趋势来看, 冬、 春两季的积雪在减少, 而秋季在增多, 这些变化趋势都与各季节的气温和降水密切相关. NOAA资料显示, 近30 a来西藏地区的积雪覆盖面积正在逐步减少; 季节变化略有不同, 春、 秋两季略呈上升趋势, 冬、 夏两季在减少, 且夏季减少趋势较明显. MODIS资料分析表明, 近10 a来西藏地区的积雪总体呈下降趋势, 尤其是2007年下半年开始下降明显. 秋季的积雪在增加, 冬、 春、 夏三季的积雪趋于减少, 且春季的下降趋势最明显, 其次为冬季, 夏季的减少幅度最小. 不同海拔的积雪都有减少趋势, 最明显的是海拔4 000~5 000 m的积雪, 其次是海拔5 000~6 000 m段. 按地理区域分析, 近10 a来西藏东、 西、 中3个区域的积雪都呈减少趋势, 其中西部的下降趋势最明显, 其次为中部, 东部相对较稳定.     

高亚洲积雪分布

高亚洲是全球山地积雪重要分布区，对探测全球气候环境变化，诊断积雪与气候相互作用，以及预测海面上升具有重要意义，本使用１９７８－１９８７年ＳＭＭＲ微波候积雪深度资料，１９７３－１９８９年ＮＯＡＡ周积雪面积图，以及青藏高原６０个基本气象台站１９５７－１９９２年逐日积雪深度，密度和月积雪日数记录，提示出亚洲积雪时空分布特征。     

NOAA卫星遥感与常规观测中国积雪的对比研究

利用30a来NOAA卫星遥感和常规观测的中国积雪资料,对比研究了二者在不同季节和不同年代的逐月积雪日数.研究表明:全年、秋季、冬季和春季全国64%以上地区卫星遥感与常规观测的月积雪日数显著相关,其中东北(包括内蒙东部)和北疆地区显著相关;华北和内蒙中部冬季相关最为显著;青藏高原相关程度明显偏低.值得注意的是,高原上无测站分布地区对于NOAA卫星遥感的高原空间平均年积雪日数影响不显著.NOAA卫星遥感与常规观测的青藏高原空间平均全年积雪日数未达到显著相关,二者年际变化存在一定差异.     

基于HJ-1B卫星数据的积雪面积制图算法研究

积雪是影响气候变化的重要因子, 采用更高时空分辨率的环境减灾卫星遥感数据进行积雪制图算法的研究, 对推进我国自主遥感卫星在积雪监测领域的应用具有重要意义. 采用环境减灾HJ-1B卫星数据, 以青海省果洛藏族自治州达日县为研究区, 应用归一化差值积雪指数(NDSI)法建立了基于HJ-1B卫星数据的积雪面积制图算法, 并比较MODIS与HJ-1B积雪图精度. 结果表明: 研究区HJ-1B积雪制图合理的NDSI阈值为0.37, 总分类精度达到97.97%; 与"真值"影像比较, HJ-1B积雪图K_hat系数为0.911, 高于MODIS的0.817. 说明该研究建立的基于HJ-1B积雪制图算法精度可靠, 适合对研究区积雪进行实时动态监测. HJ-1B更高的空间分辨率对提高研究区积雪覆盖面积监测精度具有重要的使用价值, 但是地形因素是影响HJ-1B数据积雪分类精度的一个重要原因, 随着坡度的增加, 分类误差也随之增大, 尤其是多测误差增加比较显著.     

基于MODIS的青藏高原逐日无云积雪产品算法

青藏高原积雪对高亚洲地区水和能量循环起着重要的反馈和调节作用,其变化影响着融雪性河流流量,对下游水资源和经济活动具有重要影响。中分辨率成像光谱仪（MODIS）具有较高的时空分辨率,被广泛应用于积雪遥感动态监测,然而光学遥感积雪受云层影响严重,且青藏高原地区水汽分布不均,局地对流活跃,积雪的赋存时间变化快,这给高原地区逐日积雪监测及其气候学制图带来挑战。在考虑青藏高原地形和积雪分布特征情况下,结合现有的云覆盖下积雪判别算法,采用8个不同方法的组合,逐步实现MODIS逐日无云积雪算法。选取2009年10月1日-2011年4月30日两个积雪季为研究期,并采用145个地面台站观测雪深数据对去云算法各步骤过程开展精度验证,结果表明：当积雪深度>3 cm时,逐日无云积雪产品总分类精度达到96.6%,积雪分类精度达83%,积雪判对概率（召回率）达到89.0%,算法可实现青藏高原地区逐日无云积雪动态监测和积雪覆盖气候学数据重建,对高亚洲地区的水、生态和灾害等全球环境变化影响研究具有重要的意义。     

基于SSM/I和MODIS数据的天山山区积雪深度时空特征分析

以天山山区为研究区,利用MODIS 8d最大积雪合成数据MOD10A2,分析天山山区积雪的时间变化和空间变化情况以及不同高程带的积雪覆盖率的变化情况;结合SSM/I亮温数据和站点观测数据建立的雪深反演模型并反演研究区的雪深,根据研究区的地势起伏情况,提取特殊地形进行分析其雪深变化情况,进一步分析整个天山山区的积雪深度的时空特征,并对结果进行验证,并且对不同高程带的积雪深度进行分析.研究结果表明:1)天山山区积雪面积分布的趋势表现为自西向东、自北向南减少,总体是呈波动中减少的趋势,到了2012年天山山区年最大积雪面积为37.69×10⁴ km².2)积雪覆盖率与高程呈正比,在高山区可达70%以上.积雪深度分布呈自西向东、由北向南减少,深度最大的是在天山北部的博格达峰、河源峰附近,可以达到80 cm以上,最小在哈密地区的托木尔提峰附近积雪深度仅在10 cm左右.积雪深度与海拔呈正相关,最大雪深出现在4500 m以上的高山区.3)对雪深反演结果的精度评价表明,模型在10~30 cm雪深范围内,反演平均误差为-2.47 cm;在雪深<10 cm或>30 cm的局部地区存在较大偏差.     

FY-3 A/MERS I积雪制图中NDS I指标建立及积雪判识模型研究 ——以祁连山区为例

我国新型自主的极轨气象卫星风云3号A星（简称FY-3A）上搭载的中分辨率光谱成像仪（MERSI）为大面积雪监测提供了新的遥感数据源。以中国西北祁连山区为例,分析FY-3A/MERSI传感器积雪与其它地物的图谱特征差异,建立了适用于FY-3A/MERSI的归一化差分积雪指数（NDSI）,以此为基础,构建了综合利用多光谱判别指标及土地覆盖类型（LULC）定类辅助的积雪判识模型,生成250 m分辨率的日积雪制图产品。模型通过逐步逼近的树状判别结构,去除了易和积雪混淆的部分乔木林、云、云阴影、水体、湖冰、沙（盐）地等地物,并提出应考虑积雪下覆地表特性的影响,调整设定不同LULC类型的积雪判别阈值约束,实时结合区域LULC影像进行积雪的最终判定与优化。对祁连山区2010-2011年积雪季FY-3A/MERSI影像的积雪制图应用结果表明,该资料能够客观精细地反映积雪的空间分布与动态发展过程。同时利用气象台站积雪观测记录及Terra/MODIS积雪判识结果进行对比验证,结果表明基于FY-3A/MERSI建立的积雪判识模型具有较高的精度和稳定性,特别是提高了云雪区分的效能。     

中国稳定积雪区IMS雪冰产品精度评价

IMS雪冰产品由多种光学与微波传感器数据融合而成,提供北半球每日无云的积雪范围,在积雪遥感研究中具有广阔的前景. 以气象站实测雪深数据为真值,检验了2009-2010年IMS雪冰产品在中国三大稳定积雪区北疆、东北、青藏高原地区每月、积雪季以及全年的误判率、漏判率和总体准确率,并分析了IMS雪冰产品的准确率与雪深之间的关系. 结果显示：IMS雪冰产品的年总体准确率在三大积雪区均超过了92%,积雪季总体准确率均超过了88%,利用IMS雪冰产品监测积雪范围是可靠的. 然而,IMS雪冰产品精度具有区域差异性,北疆地区在1月和2月误判率偏高,青藏高原地区积雪季有严重的漏判现象. IMS雪冰产品的准确率在东北地区和北疆地区随着雪深的增加而升高,当东北地区雪深超过6 cm,北疆地区超过13 cm时,准确率接近100%,但是,青藏高原地区两者基本没有关系. 通过在青藏高原地区与同时相的4景MODIS积雪产品对比分析发现,实际上IMS雪冰产品相对地高估了积雪面积,青藏高原地区漏判率高其原因是IMS对零碎积雪的识别能力不足并且气象站分布不均匀.     

NOAA IMS雪冰产品在青藏高原积雪监测中的适用性分析

在系统评估青藏高原积雪观测典型气象站历史定位坐标精度基础上,利用站点雪深资料对NOAA IMS 4 km和1 km分辨率雪冰产品在青藏高原的精度和适用性进行了验证和评估,定量分析了IMS 4 km到1 km空间分辨率提高和气象站历史定位与GPS定位坐标之间的差异对青藏高原IMS积雪监测精度的影响。结果表明：青藏高原个别气象站历史坐标与当前GPS接收机定位之间存在较大的差异,如安多气象站经度偏小0.6°,纬度偏大0.08°。IMS 4 km雪冰产品在青藏高原的总精度介于76.4%~83.2%,平均为80.1%,积雪分类精度介于35.8%~60.7%,平均为47.2%,平均误判率为17.1%,平均漏判率为45.5%,总体上呈现地面观测的积雪日数越多、平均雪深越大,其总体监测精度越低,而积雪分类精度越高的特点。IMS分辨率从4 km到1 km总体精度平均提高了2.9%,积雪分类精度平均提高了0.9%,主要是由于个别站点的精度提升较大引起的,对高原多数台站积雪监测精度的改进和提升很小。除个别台站外,目前气象站历史坐标和GPS定位坐标之间的差异,对IMS 4 km积雪监测精度验证结果没有影响。然而,今后随着卫星遥感技术的发展,更高时空分辨率的遥感积雪产品将用于积雪监测和研究,精确的地面观测站坐标信息是对这些遥感数据开展精度验证与实际应用的前提。     

青藏高原积雪范围和雪深/雪水当量遥感反演研究进展及挑战

积雪是地表特征的重要参数,对辐射收支、气候和长期天气变化均有重要影响。雪本身又是一个重要的天气现象和水文气象参数,过量的降雪也会带来严重的雪灾,如牧区雪灾、雪崩和融雪洪水灾害等。因此对积雪的监测,尤其是对山区的积雪监测,具有多方面的意义。利用卫星遥感技术监测积雪已有50余年的历史,并已形成了系列业务产品。青藏高原平均海拔超过4 000 m,该地区的积雪具有重要的水文、气候和生态环境意义。由于地形复杂,人迹罕至,地面观测站点稀少,受较强太阳辐射的影响,积雪消融迅速、区域差异消融以及风吹雪等因素导致积雪分布破碎化严重,对使用遥感资料监测该地区的积雪造成的极大的困难和不确定性。随着国内外传感器技术的不断发展,光学和被动微波遥感数据的同步获取技术已经非常成熟,综合利用光学遥感数据高空间分辨率和被动微波数据不受云干扰的特点,结合机器学习、无人机等技术,将环境参数加入反演模型中,有助于提高青藏高原积雪参数反演精度。