雅鲁藏布江中部流域土地沙化遥感识别

雅鲁藏布江中部流域长期遭受土地沙化侵蚀,采取有效手段进行沙化土地信息快速识别,跟踪土地沙化现状和动态发展,是土地沙化防治的基本前提。遥感数据因其快速、大范围、高精度监测等特点已被广泛应用于土地沙化监测。为降低该区域沙化土地破碎化分布特征以及广泛分布的稀疏植被地表对沙化土地遥感识别带来的不确定性,本文利用Google Earth Engine平台获取2019年秋季雅鲁藏布江中部流域Landsat无云遥感影像,基于面向对象的分类思想,充分提取沙化土地的光谱、几何和地形特征,根据不同的分类器构建4种分类方案,包括单一分类器（支持向量机、决策树、最近邻）分类以及组合分类法分类,提取雅江中游河谷地区沙化土地信息并验证不同方案的提取精度。结果表明：① 利用面向对象组合分类模型提取的沙化土地信息效果最佳,总体精度高达91.38 %,Kappa系数为0.82;② 相较于采用单一分类器（支持向量机、最近邻和决策树分类）的面向对象分类方法,组合分类模型能更有效地识别破碎化的小面积沙化土地,降低沙化土地与稀疏植被地表的混淆情况,提高分类可靠性;③ 基于面向对象组合分类模型反演得到雅鲁藏布江中部流域2019年沙化土地分布信息,土地沙化面积达299.61 km²,总体上呈现沿河谷的带状不连续分布,且集中分布于河流北岸以及靠近河道的阳坡、低海拔地区。本研究可为土地沙化遥感监测提供新思路,其应用可服务于雅鲁藏布江中部流域土地沙化预防和治理工作。     

2021年漾濞MW6.1地震同震形变提取与断层源模型反演研究

基于D-InSAR技术,收集Sentinel-1卫星升、降轨及精密轨道数据,结合外部DEM,成功提取2021-05-21云南省大理州漾濞县M_W6.1地震的同震形变场。结果显示,升轨卫星视线向最大形变量级约为6.0 cm,降轨卫星视线向最大形变量级约为7.9 cm。以升、降轨InSAR观测结果为约束,对漾濞地震的断层几何参数及滑动分布进行联合反演发现,此次地震的最优发震断层走向为136.6°、倾角为83.1°,断层破裂主要集中在地下2~12 km深度处,最大滑动量约为0.45 m,位于地下7 km深度处,断层在近地表未出现大面积显著滑移现象,表明此次地震未破裂至地表。     

基于GPS的2021年玛多MW7.4地震同震静、动态形变场

利用青海省CORS网GPS连续观测数据获取2021年玛多M_W7.4地震的同震形变场以及震时地表运动状态。结果表明,断层南北两侧的近场测站分别展现出南东向和北西向运动,符合左旋走滑机制。同震形变集中在震中距300 km范围内,震中距150 km以内的站点均能反映出cm级的位移,最大水平向位移为28.3 cm(JDUO站)。高频GPS动态形变提取出的永久位移与静态解算结果相当,其动态波形最大峰值为49.9 cm(KANQ站)。依据震中距和波形初动时间估计得到地震波速为2.8~4.9 km/s,断层东端的站点估算速度大于其他站点,可能与此次破裂的方向性或者破裂传播速度有关。依据震级经验公式,动态波形估算震级在M6.8~7.6区间,拟合平均震级为M7.35±0.15。若在实时条件下,震后70 s内可得到稳定的震级。     

川西雅江地区构造-岩石变形特征及其控灾机制

川西雅江地区发育系列复式背斜、复式向斜及其伴生断裂的褶-断式构造组合样式。受强烈构造改造,岩石变形主要呈现出柔性滑脱、顺层剪切、脆性弯折、沿结构面强卸荷、大位移错动、断层破碎以及褶皱劈理化等7类样式。构造-岩石组合塑造着该区域雅砻江展布与深切河谷的演化,而河谷演化与构造改造共同控制着区域滑坡、崩塌等地质灾害的发育与分布。不同的岩石变形样式孕育不同类型的地质灾害,而岩性组合关系控制地质灾害发育的规模。受砂岩板岩互层弯折变形的控制,斜坡主要产生倾倒弯折→拉裂→滑移→失稳破坏→堵塞河道或阻断道路等多阶段变形破坏模式,形成雅江地区滑坡灾害最主要的成灾模式。     

藏东察达高位崩塌发育特征及潜在危险

高位崩塌具有运动速度快、运移距离远、冲击破坏力强等特征,对其下部工程设施及人民生命财产安全构成极大威胁。以藏东察达高位崩塌为研究对象,采用现场调查、遥感影像分析、无人机测绘及物探等工作手段,对其发育特征进行分析研究,探讨其潜在危害。研究结果表明,察达后山曾发生大型岩质崩塌,崩塌源区与前缘高差达1 340 m,最大水平距离超过2 600 m,估算其运动速度最大可达65.36 m/s,具有高速远程的运动特征。坡脚崩塌堆积体体积约160×10 ⁴ m ³,表面巨石密布,堆积形态具有“颗粒反序”典型特征。现阶段崩塌源区仍发育有一定规模的危岩体,单体方量4.7×10 ⁴ ~ 29×10 ⁴ m ³。受断裂对冲挤压、冻融循环、长期卸荷或强震等因素影响,危岩体可能出现局部或整体失稳。一旦失稳,可能对坡脚构筑物和村庄构成威胁。建议采用综合手段进行深入勘查,分析其稳定性、失稳启动条件及发生概率,预测灾害体失稳后的影响范围,依据评价结果采取合理的措施进行防治。     

基于时序InSAR技术的甘肃金川铜镍矿区地表沉降研究

文章采用时序InSAR技术对甘肃省金川铜镍矿区域地表沉降规律开展研究。利用Sentinel-1A干涉影像,基于SBAS-InSAR技术和时序D-InSAR技术,反演2018年1月—11月金川铜镍矿区域地表沉降。经过2种技术结果对比及验证分析表明,2018年矿区有2个沉降漏斗,分别是西二采区5-7行和老矿坑。西二采区5-7行的最大沉降速率为-14mm/a,雷达视线向累积最大形变量为13mm,地面形变呈平稳态势;老矿坑东南方存在明显的沉降,沉降最大速率为-85mm/a,雷达视线向累积最大形变量为78mm。     

珠江口盆地恩平凹陷CO2成藏特征与成藏过程

珠江口盆地恩平凹陷北部潜山披覆带首次发现了规模富集的CO_2气层,但分布局限,平面上主要分布在A油田1井区,纵向上主要分布在珠江组上段,其次是珠海组,其他层系和构造高点未见CO_2富集。CO_2气藏含量普遍在92%以上,δ~(13)C为-8.735‰~-3.024‰,~3He/~4He介于5.75×10~(-6)~8.16×10~(-6)之间,为典型的幔源火山成因。由于A油田周边数十千米内无火山发育,且CO_2含量从深到浅逐渐降低,而位于A油田南侧的F_4断裂是在先存基底断裂基础上新生代持续活动的断裂,向下切入基底数千米,向上断至粤海组,活动强度大,故推测F_4深大断裂是A油田CO_2气藏的气源断裂。A油田油气成藏过程具有"两种原油类型、两期原油充注、一期CO_2驱油远藏"的特点,CO_2充注驱油增强了油气二次运移的动力,促进了油气的长距离运聚,扩大了恩平凹陷乃至整个珠江口盆地北部断阶带的勘探层系和勘探边界。     

国土空间类型划分与主要特征分析

国土空间类型的综合划分是其后续规划、开发利用与保护的基石。首先,基于现有国土空间的主要类型及其深入划分的现实需求,选取空间维度、空间性质、使用用途、矿产资源价值/矿业空间规模和地下工程/空间规模作为文中对国土空间类型进行进一步划分的主要依据;其次,基于上述主要依据提出了较为完善的国土空间类型划分方案与体系,其涵盖了包括二维平面视角和三维立体视角的29类和45亚类陆域和海域国土空间;最后,简要分析了以上提出的不同类型国土空间的主要特征和规划开发要点,为其实现良性四维规划开发利用与保护提供了重要依据。     

基于地质异常的内蒙古新达来草原覆盖区钼铜多金属矿产定量预测

内蒙古新达来草原覆盖区位于古亚洲成矿域的二连—东乌旗钼铜多金属成矿带西段,分布有乌兰德勒、准苏吉花等与中酸性侵入体有关的内生金属矿床,成矿地质条件优越。然而,因受牧草和第四系大面积覆盖的影响,该区各种成矿/示矿信息具有间接、叠加、隐蔽、微弱、不完整等特点,给找矿勘查带来更大的不确定性和风险。因此,必须加强矿产定量预测研究,为覆盖区找矿工作指明方向。本文以赵鹏大院士等提出的地质异常理论为指导,分析新达来草原覆盖区及邻区成矿多样性,总结矿化垂向分布规律,进而通过S-A多重分形滤波模型降低覆盖层对土壤地球化学测量数据和地面高精度地磁数据的干扰,识别和提取深部源引起的弱异常,并将提取的断层、侏罗纪中酸性岩体、岩脉、岩体与围岩接触带、PC1和PC2元素组合异常、高精度磁异常,以及成矿单元与非成矿单元的地理位置X-Y坐标作为随机森林模型的输入预测变量。本文采用SMOTE采样技术克服覆盖区矿床(点)数量少所造成的训练样本不足的缺陷,通过500次随机森林模拟来定量表征与成矿关系密切的综合地质异常,模拟结果的平均袋外误差为2.26%,AUC值达到0.972,且成矿有利度≥0.783的地质异常中分布有88.46%的已知矿床和矿点,说明该方法的有效性。为了进一步降低勘查风险,本文进行了风险与回报分析,发现除1个矿化点外,其余25个矿床和矿点均分布在回报值的正值区域,另有3个矿点和矿化点位于风险值的中高等级区域。在此基础上,利用处于低风险-高回报区的地质异常成矿有利度重新作图,最终圈定出找矿有利地段。     

磁铁矿元素地球化学大数据构建及其在矿床成因分类中的应用

磁铁矿广泛分布在岩浆、热液及沉积等各类矿床中,其地球化学元素组成往往受温度、氧逸度等物理化学条件的影响,能反映矿床形成环境并指示矿床成因类型,是一种重要的勘查指示矿物。自20世纪60年代以来,磁铁矿的主微量元素数据被用来构建不同的判别图,试图来区分矿床的成因类型。然而,由于矿床成因类型的多样性以及同一类型矿床的磁铁矿的主微量元素地球化学组成的复杂性,以往基于少数磁铁矿的主微量元素地球化学成分构建的矿床成因类型判别图存在一定的局限性。基于此,本文收集了前人发表在国内外期刊上的主要矿床类型的磁铁矿的元素地球化学数据(7 388条),初步构建了基于电子探针(EPMA)和激光剥蚀-电感耦合等离子体质谱(LA-ICP-MS)磁铁矿元素地球化学大数据集,建立了基于随机森林算法的矿床成因分类模型,并对磁铁矿主微量元素在矿床成因分类中的重要性做出排序。研究结果表明,基于磁铁矿大数据和机器学习算法构建的判别模型,能有效区分主要矿床类型,整体分类准确度高达95%。由于LA-ICP-MS磁铁矿数据集的测试元素多,分析精度高,使得基于LA-ICP-MS磁铁矿数据集的矿床成因分类模型精度高于基于EPMA数据集,表明磁铁矿中元素种类多少和数据测试精度影响矿床成因分类精度。同时,研究发现V元素在矿床成因分类过程中起到了较为重要的作用。此外,基于大数据和机器学习建立的判别模型对新的磁铁矿数据进行测试,可给出该数据属于每种矿床类型的概率,能有效判别矿床成因类型。