扫描电镜分析各类微体化石样品最佳镀膜的探讨

根据多年的工作经验和试验对比,总结出了非导电微体化石－放射虫,硅藻,竹节石,有孔虫,介形虫,轮藻,牙形石,海绵骨针等的最佳镀膜方法和最佳镀膜厚度。     

南秦岭造山带东段的变质作用研究

近年来,虽然秦岭造山带的研究取得了重要进展,但对于分布广泛的南秦岭地区变质作用的研究非常薄弱。仅在中国变质地质图和陕西省区域地质志中指出,该区的变质作用以佛坪地区为中心发育递增变质带,最高为十字石蓝晶石级,主变质期为海西期。本课题组最近对南秦岭造山带...     

济南张夏组灰岩岩溶地下水供水潜力探讨

济南南部广布巨厚张夏组灰岩,其中赋存优质丰富的岩溶地下水。出露众多泉水,其流量为800—8000m^3／d。该文通过简述济南地区张夏组灰岩岩溶地下水的赋存条件与水文地质特征,概略计算与评价其资源量,论证开发利用这一新水源的可行性,以期为济南供水与保泉开辟新途径。     

福建仙游园庄地区南园组新层型剖面的建立 及时代的重新厘定

在福建省闽侯县鹅宅-南园村层型剖面所划分的南园组被证实为早白垩世石帽山群后,原鹅宅-南园村割面已失去层型剖面的意义.通过125万周宁县幅、福州市幅、莆田市幅、泉州市幅的区域地质调查和系统研究,在福建省仙游县园庄建立了南园组的新层型剖面,重新厘定了南园组的地层层序和岩石组合,根据地层叠覆关系、同位素测年和古生物资料的系统研究结果,将南园组的时代重新厘定为晚侏罗世-早白垩世初期.     

基于多源数据的乡村功能空间特征及其权衡协同关系度量

本研究基于土地利用、兴趣点、社会经济统计等数据,从乡镇尺度揭示了北京生态涵养区经济发展、农产品生产、社会保障、生态服务、旅游休闲以及综合功能的空间特征,并运用Spearman秩相关分析、生产可能性边界（PPF）、权衡强度指数等定量探讨了多功能间的权衡-协同关系及其权衡程度。结果表明：① 经济发展、社会保障和休闲旅游功能的空间格局相似;生态服务功能与经济发展、社会保障和农产品生产功能的空间格局基本相逆。② 经济发展与农产品生产/社会保障功能为显著协同关系;经济发展/农产品生产/社会保障与生态服务功能为显著权衡关系。③ 按照“‘权衡强度越小,功能间共生发展’‘权衡强度越大,最多发展一种功能’”的思路,以追求乡村功能组合的综合效益最大化为目标,将生态涵养区划分为I（4种功能共生）、II（3种功能共生）、III（2种功能共生）和IV（单一功能发展）4种类型区。研究结果将为区域乡村振兴规划编制提供参考,为乡村功能协同发展路径设计提供技术支撑。     

共享存储中一种基于流量均衡的队列门限控制算法

提出了使用流量压力均衡作为设置每队列门限的主要依据, 让系统的各个端口分担大体相同的流量压力.各个端口的门限控制使得公共存储空间既能够保持在平均意义下的平衡, 又能实现突发时段的调剂.模拟结果显示, 该算法的效率大大高于传统的动态门限算法.     

TEQC软件用于GPS控制网数据质量检测的研究

在分析影响GPS观测数据质量和GAMIT/GLOBK数据处理质量评价标准的基础七,通过TEQC数据质量检测软件和基线解算质量控制指标,研究三级GPS大地控制网数据质量的检测方法,并以三级GPS大地控制网观测数据为例对观测数据进行检测和评定.     

基于机器学习的稀疏样本下的土壤有机质估算方法

采用GRNN（Generalized Regression Neural Network）和RF（Random Forest）2种机器学习方法构建土壤有机质预测模型,以提高稀疏样本情况下的土壤有机质估算精度。依据北京市大兴区农用地2007年的土壤有机质采样数据,按MMSD准则（Minimization of the Mean of the Shortest Distances）抽稀为8种不同采样密度的样本（分别为2703、1352、676、339、169、85、43、22个样本）,分别采用GRNN、RF和Ordinary kriging对各采样密度下的未知采样点进行预测,采用交叉检验的方式验证各采样密度下未知样点的预测精度。随着采样点密度的下降,样点间的空间自相关性逐渐减弱,半变异函数的拟和精度变差,预测点结果误差增大,预测的置信度降低。当抽稀到43个和22个采样点时,样点间的空间自相关性接近歼灭,半变异函数的决定系数较低且残差较大。普通克里格受到采样点数量和采样密度、样点的空间结构的影响比较明显,其预测精度随采样点数量的下降而下降。在85个采样点及以下时,其预测值与观测值之间没有显著的相关性。GRNN和RF的预测精度受采样密度的影响不大,其预测精度在一个较小的范围内波动,其预测值围绕观测值在一定阈值空间内震荡波动,具有较好的相关性,在85个及以下的采样密度时,预测精度相对普通克里格有较大的提升。普通克里格法不适合在稀疏样本条件下空间插值计算,尤其是在空间自相关性比较弱的情况下。机器学习模型能充分学习土壤间环境信息、样点空间邻近效应信息,兼顾属性相似性和空间自相关,具有更好的稳定性和适应性,不容易受到采样点数量、构型和采样密度等因素的影响,即使在采样点空间自相关性很弱的情况下也能做出稳定预测精度。