Volume estimation and stage division of the Mahu landslide in Sichuan Province,China

The Mahu lake, the third deepest lake in China, is located on the west bank of the Jinsha River in Leibo county, Sichuan Province. It is a dammed lake created by an old landslide on the ancient Huanglang river, a tributary on the west bank of the Jinsha River. Previous studies (Wang and Lu in J Mt Res S1:44–47, 2000) suggested that this landslide was caused by an earthquake approximately 372 ka (Middle Pleistocene), during which a few hundreds of million cubic meters of debris were deposited between 1177 and 900 m a.s.l. (above sea level), covering an area of around 15 km². Our further investigations, including geodetic survey, borehole drilling, and field reconnaissance, combining with five chronological data, have made some new discoveries at this site. First, the toe of the landslide extends from 900 m a.s.l. down to 320 m a.s.l., i.e., the local bed elevation of the contemporary Jinsha River. Second, the area of the landslide deposits is 17.3 km² with a volume of 2.38 km³, much larger than the previous estimation. Thus, it should be one of the largest known landslides in China. And the lower elevation of the landslide’s toe also rules out the possibility that it is a hanging valley on the ancient Huanglang river. Our work suggests that this landslide was created by five events according to the overlapping characteristics of the deposits and five chronological data, which are old than 52,600 years, old than 16,000 years, old than 15,500 years, 5800 years, and old than 4200 years, respectively.     

地理国情普查成果在土地资源监测中的应用初探

以江西省某县地理国情普查数据为基础,研究其与土地变更调查数据的相似性与差异性,结合土地资源监测的热点,初步探究地理国情普查成果在土地资源监测中应用,为地理国情普查成果应用提供思路与方向。     

基于SQLite的地图瓦片数据库的设计与实现

提出了一种可行的瓦片数据库生成模式,设计了数据库-层级、数据库-图幅两级瓦片存储规则和编码规则,利用多线程和数据库技术,将地图瓦片批量生成多个SQLite数据库。该方法生成的瓦片数据库方便海量地理数据的管理和调度,既有利于特定分辨率瓦片数据的迁移和备份,也能满足不同地理范围对数据的需求;该流程周期短、投入低,为大范围瓦片数据库的批量生产提供了一定的实践经验。     

城市轨道交通勘测大数据的集成与应用

正近年来,三维可视化技术日趋发展成熟,倾斜摄影技术、三维激光扫描技术等测绘新技术以及国内BIM技术的全面推广使用,使得建筑行业正在由二维设计建造向三维设计建造转变。由于城市轨道交通多建造在城市地下空间,与地上建筑相比,其在设计建造过程中面临着地下周边环境不可直观展示的困境,其更加迫切需要三维可视化技术来辅助地铁规划设计与建造施工。地质信息复杂多变,     

伊朗浅成低温热液矿床时空分布规律与矿床类型

特提斯成矿域是地球上三大成矿域之一,矿产资源丰富.文章综述了特提斯域内伊朗高原浅成低温热液矿床的地质特征,讨论了成矿事件的时空分布规律以及主要矿床类型.研究表明,伊朗浅成低温热液矿床大部分位于乌兹密尔-杜克塔尔岩浆弧和阿尔博兹岩浆弧.其中,前者主要产出高硫型Cu-Au±Ag矿床和低硫型Au±Ag±Cu矿床,分布较为稀疏,成矿与始新世和中新世热液活动有关,部分高硫型矿化可能与临近的斑岩型铜矿化构成一套斑岩铜成矿系统;后者主要发育高硫型Cu-Au±Ag矿床、低硫型Au±Ag±Cu矿床、中硫型Pb-Zn±Cu±Au±Ag矿床,它们集中分布在西部的Tarom-Hashtjin带和东部Torud-Chah Shirin带,成矿主要发生在始新世,矿体均赋存在火山岩中且明显受断裂控制,但在矿石矿物和脉石矿物的种类、组构特征以及蚀变类型等方面存在差异,金属沉淀均与降温、沸腾和流体混合等密切相关.     

渤海湾盆地渤中19-6气田凝析油特征及油气关系

2018年中国东部最大整装凝析气田——渤中19-6气田的发现,一举打开了渤海湾盆地深层天然气勘探的新领域,展现了油型盆地天然气勘探的巨大潜力。渤中凹陷发育多套不同成熟度的烃源岩,位于渤中凹陷西南部的渤中19-6气田凝析油与天然气并存,近年来于该地区的天然气成因及形成条件多有研究,但是对于凝析油的形成则少有研究。本文以渤中19-6气田为例,探讨多套烃源岩发育的复杂油气区凝析油的成因及与天然气的关系。渤中19-6气田6个凝析油样品化学组成及其变化特征精细分析对比表明:该区凝析油以低碳数正构烷烃为主,含有较丰富的环己烷、甲基环己烷等环烷烃和苯、甲苯等低碳数芳烃,金刚烷类化合物较发育,高碳数生物标志化合物含量较低,综合判断凝析油属于混合偏腐殖型高熟原油。结合该区凝析油与天然气对比结果认为,该区凝析油和天然气属于同一套烃源岩在同一阶段所生成的烃类化合物,两者相伴而生,均属于烃源岩原生产物。     

基于DPSIR模型的地下水饮用水源地安全评价指标体系研究

为系统客观的评价地下水饮用水源地的安全状态,基于“驱动力-压力-状态-影响-响应”(DPSIR)框架初步建立备选评价指标,运用专家咨询法对备选指标进行筛选及合理性检验,采用层次分析法确定指标权重,构建地下水饮用水源地安全度综合评价体系。以滹沱河浅层孔隙水水源地为例,确定了包含5个准则层,18个指标的地下水饮用水源地安全评价指标体系。滹沱河浅层孔隙水水源地实例研究表明,准则层中压力系统和状态系统所占权重较大,分别为0.257和0.339;水源地安全度为0.67,尽管处于较安全级别,但非常接近警戒值(0.4~0.6)。通过实例分析可知,筛选的指标具有一定的实用性,可以为评价浅层孔隙水水源地的安全状态及面临的风险提供参考。     

华北北部中元古界洪水庄组物源和沉积环境分析

为探讨华北地区中元古界洪水庄组黑色泥页岩物源和沉积环境,采集了燕辽地区清河剖面洪水庄组样品,进行元素地球化学测试和分析。结果表明:洪水庄组沉积物来源不仅有陆源碎屑物质,还有海水沉积物贡献。Y/Ho和ΣREE交会图版分析认为海水沉积物来源占比为10%~20%。此外,稀土元素分布模式以及Ce和Eu异常表明沉积物来源有火山热液活动的参与。Mo-EF/U-EF分析结果表明洪水庄为海洋非滞留海盆沉积环境,氧化还原条件在沉积期发生了演变:在洪一段沉积时期,水体还原程度强,为厌氧-硫化环境;洪二段沉积时期,水体还原程度降低,为贫氧-厌氧环境。分析认为洪水庄组物源组成和沉积环境演变与沉积构造背景密切相关。     

固体矿产绿色勘查钻探技术方法探索与实践

西安矿产资源调查中心针对现有固体矿产地质调查（勘查）项目,积极探索和实践绿色地质勘查工作技术方法,因地制宜应用全液压履带钻机、便携式模块化钻机实施“一基多孔”,采用背包钻实施“以钻代槽”,通过优选环保型冲洗液,净化处理废弃冲洗液,控制临时占地规模等具体措施。与传统机场规格相比占地面积减少了80%~85%,临时便道修筑减少了60%~65%,工后复垦复绿达到了80%以上。通过绿色勘查成本费用分析,人员、临时用地（青苗）补偿、绿色环保材料及复垦复绿等费用成本总和降低了40%左右。最后探索实践了绿色勘查工作保障措施,对下一步绿色勘查工作提出了建议,为加强绿色勘查工作理念、完善相关的制度法规、激发绿色勘查工作活力提供了积极的导向。     

基于优化经验模态分解和聚类分析的滑坡位移智能预测研究

针对三峡库区"阶跃式"滑坡的变形特征,提出了一种新的滑坡位移预测方法。以白水河滑坡ZG118和XD-01监测点位移数据为例,采用基于软筛分停止准则的经验模态分解(SSSC-EMD)将累计位移-时间曲线和影响因子时间序列自适应地分解为多个固有模态函数(IMF),并采用K均值(K-Means)聚类法对其进行聚类累加,得到有物理含义的位移分量(趋势性位移、周期性位移以及随机性位移)和影响因子分量(高频影响因子和低频影响因子)。使用最小二乘法对趋势性位移进行拟合预测;采用果蝇优化-最小二乘支持向量机(FOA-LSSVM)模型对周期性位移和随机性位移进行预测。将各位移分量预测值进行叠加处理,实现滑坡累计位移的预测。研究结果表明,所提出的(SSSC-EMD)-K-Means-(FOA-LSSVM)模型能够预测"阶跃式"滑坡的位移变化规律,且预测精度高于传统的支持向量机回归(SVR)、最小二乘支持向量机(LSSVM)模型;并通过改变训练集长度,进行单因素分析,发现其与预测精度之间呈正相关关系。