西秦岭伯阳—元龙地区中泥盆统变砂岩碎屑锆石U-Pb年龄和地球化学特征及地质意义

对北秦岭—祁连结合部位伯阳—元龙地区一套变砂岩进行的碎屑锆石LA-ICP-MS U-Pb同位素测年结果表明,变砂岩碎屑锆石年龄的时间跨度极大(407～2483 Ma),有多个测点的年龄数据落入早泥盆世范围,说明变砂岩的沉积时代不应早于早泥盆世,结合区域地质资料将其形成时代确定为中泥盆世。变砂岩的主要物源是西秦岭造山带和扬子克拉通。结合地球化学特征推断变砂岩主体形成于活动大陆边缘构造背景,石英砂岩原岩中含有偏基性的火山物质,经过高绿片岩相—低角闪岩相变质作用形成富含黑云母和角闪石的变砂岩。本文的研究结果表明,中泥盆世天水—武山板块缝合带已经基本缝合,但未完全缝合,一方面导致源自扬子克拉通的碎屑物可以到达西秦岭北带,另一方面在西秦岭天水—武山构造带的部分区域可能仍有残余洋盆俯冲活动。     

鄂尔多斯地块西南缘古元古代辉绿岩年代学、地球化学及构造意义

在鄂尔多斯地块西南缘的六盘山断裂带内出露铁马河辉绿岩。铁马河辉绿岩相对贫CaO、MgO和K_2O;富集FeOT、TiO_2和Na_2O。轻稀土相对富集,重稀土平坦,不显示Eu异常,稀土配分曲线显示右倾型;高场强元素无异常,大离子亲石元素K、Rb、Ba相对富集,显示富集地幔源的地球化学特征。对辉绿岩样品进行LA-ICP-MS锆石U-Pb测年,获得上交点年龄2018±16Ma,说明岩体形成于古元古代。样品具有低的(~(87)Sr/~(86)Sr)i值(07003～07064)和正的εNd(t)值(+514～+433),Nd同位素一阶段模式年龄(约20Ga)与LA-ICP-MS锆石U-Pb年龄基本一致,暗示其来源于软流圈地幔的部分熔融。结合区域地质资料的研究表明,华北克拉通西部地块(鄂尔多斯地块)在20Ga期间的伸展背景与东部陆块一致,暗示整个华北克拉通在20Ga左右存在广泛的裂解事件。     

高度角对BDS-3与多系统兼容短基线解算精度影响分析

针对BDS-3新频率组合在极端高度角环境下短基线解算性能较差问题,本文提出使用BDS-3/GPS/Galileo/QZSS多系统兼容频率组合定位方法,并通过5种不同高度角实验进行解算验证。结果表明,在低高度角情况下,BDS-3系统B1C/B2a组合短基线定位性能较优,可以实现cm级定位;在极端高度角情况下,BDS-3系统B1C/B2a组合短基线定位性能较差甚至不能实现定位。而多系统兼容频率短基线定位性能相比BDS-3有较明显提升,尤其是BDS-3/GPS/Galileo/QZSS4系统组合提升效果最为明显,即使高度角达到50°,历元解算率优于95%,E、N、U、3D 4个方向解算精度分别可以达到1.19 cm、2.30 cm、5.61 cm和6.18 cm。     

一路逐绿一路歌——浙江省地理国情监测服务生态文明建设侧记

秋雨潇潇,茶园叠翠。11月12日,在"中国白茶第一村"——安吉黄杜村的白茶基地上,来自浙江省第二测绘院的测绘队员们正在为获取地理国情监测数据做着准备工作。刚刚下起的小雨没有打乱他们的航拍计划,悬停、定位、取景、拍摄……一系列动作一气呵成。"     

ECMWF细网格2米温度在新疆及周边地区的预报效果检验

本文对2013年1～12月ECMWF细网格2米温度在新疆区域的预报效果进行了统计检验。结果表明：ECMWF细网格2米温度预报为系统性偏高,预报效果随预报时效的延长而逐渐变差。三天内温度预报的绝对误差小、预报准确率高,对实际温度预报有很好指导作用;七天内温度预报的绝对误差较小,预报准确率较高,对实际温度预报具有参考价值;八到十天预报误差大、准确率低,对实际温度预报参考价值不大。温度预报精度在蒙古国西部最低,北疆盆地次之,南疆盆地最高。     

华北地块西南缘陇县保家山古元古代花岗岩及其构造意义研究

在华北地块西南缘陇县保家山西部铁马河剖面出露钾长花岗斑岩,与其伴生的有蚀变辉绿玢岩,整体沿六盘山断裂带分布。保家山钾长花岗斑岩富钾(Na2O/K2O=1.66~3.36),具钙碱性和准铝—弱过铝质特征(A/CNK=0.85~1.18)。富集轻稀土元素且轻重稀土元素分异明显(LREE/HREE=4.08~12.03),Eu负异常明显(δEu=0.50~0.53)。富集大离子亲石元素K、Rb、Ba、Th,亏损高场强元素Nb、Ta、Ti、Hf,强烈亏损P、Sr,且具有较高的Rb/Sr和Ga/Al比值,表现出A型花岗质岩石的特征。对两个样品进行锆石U-Pb LA-ICP-MS测年,分别获得n(206Pb)/n(207Pb)加权平均年龄1814±12Ma和1781±12Ma,说明岩体属于古元古代岩体。结合区域地质资料的研究表明,华北地块西南缘在古元古代期间处于强烈伸展背景,推测应该与古元古代贺兰坳拉槽的向南延伸有关。     

基于混合损失U-Net的SAR图像渤海海冰检测研究

渤海是我国重要的经济区,海冰灾害严重威胁着人类生产活动。合成孔径雷达具有全天候成像能力,研究渤海区域的SAR图像海冰检测具有重要意义。传统海冰检测方法受限于特征提取方法和建模方式,检测精度有待提升。深度学习具有极强的特征自学习能力,适用于图像检测问题。本文基于深度学习框架U-Net,以Sentinel-1双极化（VV和VH）合成孔径雷达图像为输入信息,设计混合损失函数优化传统U-Net模型,形成了基于混合损失U-Net的渤海海冰检测模型。将本文模型与传统海冰检测方法[脉冲耦合神经网络（PCNN）、马尔科夫随机场（MRF）和分水岭算法]和基于深度卷积神经网络（CNN）的深度学习方法进行了对比。实验结果表明:本文基于混合损失U-Net的海冰检测模型在重叠度、F1分数、精确度和召回率4项度量指标上分别达到了97.567%、98.769%、98.767%和98.771%,检测效果明显优于对比方法;双极化信息输入的检测结果比VV单极化输入的检测结果在F1分数、精确度、召回率和重叠度上分别提高了0.375%、0.111%、0.639%和0.740%;混合损失函数的检测结果比非混合损失函数的检测结果在F1分数、精确度、召回率和重叠度上分别提高了1.129%、0.947%、1.794%和2.231%;模型能对冰水沿线、冰间水道、冰间隙等细节进行有效检测;可应用于渤海区域整幅SAR图像的海冰检测,为海冰监测、海冰变化分析、海冰预报提供技术支撑。