铅锌矿伴生的稀散元素研究进展

稀散元素是高新技术领域不可替代的原材料,被发达国家和经济体列为关键性矿产资源之一.它们很少形成独立矿床,通常作为伴生组分赋存于金属硫化物矿床、铝土矿以及含煤地层之中.铅锌矿床或富锡铅锌矿床中的闪锌矿是稀散元素Ga、Ge、Cd和In的主要载体.这些元素主要以类质同象形式置换闪锌矿晶格中的Fe,且多数情况下,它们在闪锌矿颗粒中的分布极不均匀.已有研究表明,Ga、Ge和Cd在不同类型铅锌矿中的含量差异明显,在相同类型矿床中的含量也有明显差异,甚至在同一矿床的不同部位亦有差异.Cd、Ga、Ge倾向于富集在低温热液成因的铅锌矿床中,而In通常富集于岩浆热液型或VMS型富锡铅锌矿床中.为了深入理解稀散元素的富集成矿作用,以下科学问题亟待进一步关注:1)Ga、Ge、Cd的富集与铅锌矿类型之间的关系,包括在不同类型和相同类型铅锌矿床之间的差异富集;2)控制Ga、Ge、Cd、In在闪锌矿颗粒尺度及矿体尺度中富集和亏损的机制;3)Sn在In的迁移和富集沉淀过程中的作用;4)闪锌矿的"铟窗"效应是否具有普适性;5)Ga、Ge、Cd、In在不同地质热液体系中的迁移形式.     

基于空谱融合与AlexNet算法的滨海湿地植被分类研究

为提高遥感影像融合质量,提升资源一号(ZY-1 02D)高光谱遥感影像滨海湿地植被分类精度,提出将ZY-1 02D高光谱影像与空间分辨率为10 m的哨兵2号(Sentinel-2)影像进行Brovey融合,并通过搭建AlexNet卷积神经网络对ZY-1 02D高光谱影像和Brovey融合影像的滨海湿地植被进行分类,与支持向量机、随机森林和BP神经网络分类算法进行精度对比。研究结果表明:经Brovey融合后,AlexNet、支持向量机、随机森林和BP神经网络算法的植被分类总体精度分别提高15.60%、7.00%、14.80%和10.00%,Kappa系数提高了21.35%、9.93%、18.97%、12.85%;基于Brovey影像融合与AlexNet算法的植被分类精度最高,总体精度为92.40%,Kappa系数为89.42%。空谱融合配合AlexNet卷积神经网络有效解决了高光谱遥感影像在滨海湿地植被分类应用中精度较低的问题,为滨海湿地植被资源动态监测提供技术和方法支撑。     

黄河口水域渔业生态水环境调查与研究

2008年5月8、月对黄河口及邻近水域进行了渔业水环境调查,结果表明:调查水域水深为5.0~16.5 m,S为26.3~31.0,溶氧饱和度为89.6%~110.9%,化学耗氧量为0.99~3.02 mg/L,总氮含量为0.141~1.74 mg/L,DIN为DTN的61%,NO3-是DIN的主要形态,总磷含量为0.010~0.059 mg/L。该海域主要污染物为铜、石油类、氮。共检出浮游藻类8门42种,浮游动物7类31种。