利用GRACE数据反演东海沉积物变化

GRACE卫星的成功发射为海底沉积物的监测提供了新的方法.利用2003-2014年间的GRACERL05数据,采用同期的测高数据对海面高变化进行改正,使用水文模式数据和基于均一假设的尺度因子估计方法处理泄漏误差,反演了东海地区的沉积物变化情况,并对GIA效应进行了改正.结果表明:东海入海口处沉积物的平均变化速率为5.44±0.88mm·a^-1,最大值出现在浙江沿海地区,变化速率为6~7mm·a^-1;在空间分布上,呈现河口处沉积速率大,远离河口的大洋地区沉积速率小的特征.在时空分布上均与实测数据很好的吻合.沉积物变化时间序列的周年项振为6.8cm,周年变化主要与东海泥沙扩散路径相关的海洋环流模式有关;半周年项和两周年项振幅分别为0.6cm和0.7cm,这两项变化主要与长江流域降水引起的土壤侵蚀变化有关.最后,分析讨论了本文沉积物监测方法推广到其他地区的适用性和局限性.     

元胞空间分区及其对GeoCA模型模拟精度的影响

采用双约束空间聚类方法对元胞空间进行分区,在此基础上对不同的分区分别求取元胞转换规则,从而提高 元胞自动机的模拟精度。以杭州市土地利用变化为例,采用本文提出的基于双约束空间聚类的分区元胞自动机模型对 研究区域2000年—2005年的土地利用变化进行模拟,并利用逐点对比法和Moran I指数对模拟结果进行精度评估。结果 表明：(1)采用双约束空间聚类算法对元胞空间进行分区,可以保证同一分区内的元胞既在空间上邻近,又具有相对一 致的非空间属性信息,分区效果较好;(2)与不分区元胞自动机模型和基于空间聚类的分区元胞自动机模型相比,双约 束空间聚类元胞自动机模型具有较高的模拟精度,尤其是在空间形态和整体结构上具有较好的模拟效果。     

机器学习在水系沉积物地球化学采样下伏基岩填图中的应用

为了探索高效且能大区域应用的基岩填图方式，本文整合水系沉积物地球化学数据和局部空间Moran’s I指数、高程、坡度、坡向变率、高磁、断层、矿点、水系等多元地学数据作为附加特征，采用浅层机器学习决策树及其Bagging和Boosting集成算法，以及深度学习的图卷积网络，分别训练了不同的基岩判别模型。结果表明，相比浅层机器学习的决策树及其集成算法，深度学习的图卷积神经网络基岩判别模型仅使用20%带标签数据就获得了最高的78.31%判别精度。应用基于图卷积网络的基岩类型判别模型对察汗乌苏河地区第四系覆盖物下伏基岩填图，预测结果与其周边基岩类型协调一致，该模型可用来探究更全面的区域基岩分布情况。     

海岛社会经济系统可持续发展评价研究

文章基于海岛可持续发展的特点,以海岛资源状况指标、社会发展指标、智力评价指标为目标,建立海岛社会经济可持续发展支持系统,从而以12个海岛县为研究对象,评价12个海岛县可持续发展的社会经济状态和进程,并对海岛可持续发展战略的实施提出建设性对策措施.