Sentinel-1A SAR影像及其在矿区地面沉降 监测中的应用研究

详细介绍了Sentinel-1A SAR影像数据的基本参数、工作模式、应用领域等。利用2016.11.09—2017.03.09的5景Sentinel-1A C波段SAR影像数据进行矿区地面沉降监测试验。基于SARscape利用双轨D-In SAR技术进行差分干涉处理,得到了研究区地面沉降分布图,直观地再现了研究区在2016.11.09—2017.03.09的沉降分布、沉降量级等。结果表明济宁某矿区在监测期间地面相对稳定,未有大面积和大量级的地面沉降发生,4个干涉对监测到的最大沉降都未超过3 cm。     

中法海洋卫星（CFOSAT）同步观测台风引起的风场和海浪

利用中法海洋卫星（CFOSAT）最近观测的风场和海浪场，报道了超强台风玲玲（2019）过境中国近海水域期间台风浪的初步研究结果。结果显示，台风路径右侧风速超过14 m/s大风区的有效波高超过5 m，与理论估算一致。观测主波波长为150 - 180 m，风场为西南向，海浪向东传播。风向和浪向的偏移随台风中心距离增大，接近理论预测。     

基于支持向量机回归的岩体变形模量预测

岩体变形模量是表征岩体变形特性的最重要参数之一，其获取手段有室内试验与现场试验法、经 验 关 系 法、数 值 模 拟法、人工智能预测方法等。人工智能预测方法中常用的是神经网络方法，但神经网络易陷入局部极小值和过学习而导致低精度，支持向量机回归（ＳＶＲ）方法能有效地避免神经网络的以上缺陷，并在小样本、非线性预测方面具有较大优势，但目前 ＳＶＲ 应用于岩体变形模量预测的研究较少。以某水电站坝址区英安岩的试验数据为依托，采用灰色关联分析筛选出与变形模量最相关的纵波波速作为输入变量。在此基础上，以３个国内的水电站为例，分别建立相应的以实测纵波波速作为输入变量的粒子群算法优化－支持向量机回归（ＰＳＯ－ＳＶＲ）变形模量预测模型，同时，通过与 ＢＰ神经网络（ＢＰ－ＮＮ）、ＲＢＦ神经网络（ＲＢＦ－ＮＮ）２种预测方法进行对比，对比分析表明ＳＶＲ模型具有更高的预测精度，预测效果较好，说明 ＰＳＯ－ＳＶＲ方法更适用于岩体变形模量预测。      

柴北缘锡铁山铅锌矿床构造变形特征及其地质意义

锡铁山铅锌矿床位于柴达木盆地北缘，是我国西北地区重要的有色金属矿床之一。系统的地表调查和坑道编录表明，矿区不同岩石单元构造变形及力学特征不同，既有赋存于滩间山群绿片岩内部的早期深层次韧性－韧脆性变形构造，也有赋存于滩间山群原ｃ岩组紫红色砂岩中的晚期浅层次脆性变形构造。结合区域上柴北缘造山带构造演化事件时间序列以及矿区构造特征的分析表明，韧 性－韧脆性变形构造与陆－陆深俯冲碰撞造山作用及俯冲板片的折返有关，矿区浅层次脆性变形应形成于滩间山群原ｃ岩组紫红色含砾砂页岩沉积之后。应力场恢复显示早期韧性－韧脆性变形构造形迹的主应力σ１ 方向主 要 为 ＮＥ／ＮＥＥ－ＳＷ／ＳＷＷ 方 向，倾角 为５°～ ６０°，表明矿区早期变形阶段具有 ＮＥ／ＮＥＥ－ＳＷ／ＳＷＷ 向近水平挤压、左行走滑、斜向逆冲的性质；而晚期脆性变形恢复的主应力方向有２个，锡铁山沟地区表现为ＥＷ 方向，无名沟－中间沟地区为 ＮＷ－ＳＥ方向。对不同中段控矿断裂构造形成时的主应力状态恢复结果显示 ＮＷ 向断裂构造主应力σ１ 状态为 ＮＥ－ＳＷ 向，显示压扭性逆冲－走滑断层性质，而 ＮＥ向断裂构造主应力σ１ 状态为 ＮＷ－ＳＥ向，显示张扭性正－滑断层性质，分别为上述早期和晚期变形应力场的产物。锡铁山矿体分布受控于左行逆冲和左行滑覆构造运动，矿区北西部成矿较为有利，成矿后的 ＮＥＥ－ＥＷ 向断层左行运动对矿体产生破坏作用，导致西侧矿体南移，东侧矿体北移。      

青海锡铁山铅锌矿床喷流管道相识别、控矿作用及其对矿床成因和找矿勘查意义

锡铁山铅锌矿床位于柴达木盆地北缘中段，有关该矿床成因问题一直存在争议。矿床成因认识直接影响到控矿因素的选择，进而决定着成矿规律研究和找矿方向的判断。基于地质调查及岩心编录、岩相学特征、勘探图件和硫同位素组成综合分析，在锡铁山矿区识别出３处海底喷流管道相，位置大致与矿区横切滩间山群的沟谷相当。在喷流管道相内部，深部热液隐爆流纹质角砾岩、中部蚀变岩和上部（复成分）角砾矿石构成了 “喷流管道三位一体”内部结构。并且，基于３处喷流管道相特征，恢复了锡铁山矿区早期海底喷流作用过程。围绕喷流管道附近铅锌矿化集中发育，深部热液隐爆流纹质角砾岩控制着矿体底界深度和矿区矿体总体ＳＥ侧伏趋势，矿区ＳＥ侧中间沟深部应是近期找矿工作的重点。      

Zooplankton community structure,abundance and biovolume in Jiaozhou Bay and the adjacent coastal Yellow Sea during summers of 2005–2012: relationships with increasing water temperature

Zooplankton abundance, biovolume and taxonomic composition in Jiaozhou Bay and the adjacent coastal Yellow Sea were evaluated using ZooScan measurement of samples collected by net towing every August from 2005 to 2012. Zooplankton abundance and biovolume ranged from 1 938.5 to 24 800 ind./m~3 and 70.8 to 1 480.1 mm~3/m~3 in Jiaozhou Bay and 73.1 to 16 814.3 ind./m~3 and 19.6 to 640.7 mm~3/m~3 in the coastal Yellow Sea. Copepods were the most abundant group in both regions, followed by N octiluca scintillans and appendicularians in Jiaohzou Bay, and chaetognaths and N octiluca scintillans in adjacent coastal Yellow Sea. Over the study period, the most conspicuous hydrographic change was an increase in water temperature. Meanwhile, a general decrease in zooplankton abundance was observed, particularly in copepod populations. Based on redundancy analysis(RDA), the warming trend was the key environmental factor influencing to decrease of copepod abundance. The proportion of small-sized copepods increased while the mean size of all copepods decreased, in significant correlation with water temperature. Our results indicate that zooplankton, particularly copepods, are highly sensitive to change in water temperature, which is consistent with predicted impacts of warming on aquatic ectotherms. Due to their dominance in the zooplankton, the decline in copepod size and abundance could lead to an unfavourable decrease in energy availability for predators, particularly planktivorous fish.     

GLDAS_NOAH_M.2.1水文模型在青藏高原的适定性分析

利用2003-01~2016-06共162个月 GLDAS_NOAH_M.2.1、GLDAS_NOAH_M.001新旧水文模型和GRACE卫星重力数据，计算青藏高原区域水储量及总质量变化，说明GLDAS_NOAH_M.2.1水文模型相对于旧模型可提升在青藏高原区域的精度。将研究区域分为6个部分，根据3种数据分别计算6个区域的平均质量变化时间序列，顾及年周期、半年周期对该时间序列进行最小二乘拟合，估计6个区域3种数据的年振幅、年相位及相关性。结果表明，GLDAS_NOAH_M.2.1水储量变化的年振幅、年相位与GRACE总质量变化的年振幅、年相位空间分布大体一致，在青藏高原北部区域与GRACE的相关性尤为明显；GLDAS_NOAH_M.001年振幅、年相位在青藏高原北部区域存在明显异常，与GRACE的相关性很低。从长趋势质量变化来看， GLDAS新、旧模型在不同区域的差异为-6.4~4.5 Gt/a量级，而在青藏高原主体区域，新模型的质量趋势偏低10.4 Gt/a。     

基于水利益共享的跨境流域水资源多目标分配研究——以澜沧江-湄公河为例

以水利益共享代替分水的理念有利于充分发挥水资源效益和减少区域矛盾冲突,但由于缺乏具体可实施的分配模式一直停留在设想阶段。基于水利益共享理念,建立跨境流域水资源多目标分配指标体系,并结合澜沧江-湄公河流域跨境水资源利用现状及需求,提出澜沧江-湄公河流域跨境水资源多目标分配模型。为基于水利益共享的跨境水资源多目标分配提供了具有充分可操作性的指标体系和分配模型,有助于推进跨境流域水利益共享的实施,实现区域双边或多边在水资源利用上的共赢和发展目标。     

利用半参数模型估计确定验潮组网的深度基准面

深度基准面的确定是进行海洋测量的基础,准确确定深度基准面是进行海洋测量的有效前提。提出了一种将CORS技术与验潮组网技术进行结合的新传递深度基准面的方法,实现长、短期验潮站同步验潮实现深度基准面的增强传递;提出了采用半参数模型理论来求取潮差比的计算方法;具体阐述了验潮组网通过间接平差求取短期验潮站的深度基准面的计算方法,减少了验潮测量的人力投入,计算潮差比时考虑了系统误差的影响,计算短期验潮站时考虑了观测误差对深度基准面传递的影响。     

基于深度学习的河道提取与变化监测应用——以永定河为例

本文基于2014年、2017年、2018年三期GF1遥感影像,针对北京市石景山永定河河道变化特征,开展基于深度学习算法的河道自动提取与变化图斑自动发现。选择GEOWAY GFLP作为地理要素智能训练平台,采用基于疑似变化区域自动发现与人工交互确认相结合的遥感监测技术路线,选取典型水体样本进行分析、训练,构建深度学习卷积神经网络水体提取模型。通过分析与验证发现,基于深度学习水体提取模型自动提取的河道准确率高于90%,精度高于最小距离、最大似然及SVM分类方法,可用于城市河道的自动提取和变化发现。