基于Fisher判别准则的河湖相判别模型的构建:以江汉盆地汉江上游段为例

为了探究Fisher模型在盆地第四纪河湖相演变上的实用性,以江汉盆地汉江上游段某单一钻孔的粒度资料和沉积相划分作为模型的训练样本,利用Fisher基本原理计算得到河湖相判别模型,最终利用模型实现对研究区沉积环境演化分析.依据单因素方差以及显著性分析结果可知,Fisher模型对河流相、河湖过渡相、湖相具有很好的区分效果.留一交叉验证结果达到80.6%,超过了判别模型应用要求的75%标准.同时,将多孔沉积相判别结果与定性划分结果进行了对比,其综合吻合率达到85.06%,进一步验证了Fisher模型在河湖相判别上的实用性.依据判别分析结果可知,自早更新世开始,研究区存在4期较大的沉积旋回,可划分为8个沉积阶段,不同沉积阶段水动力来源复杂且变化迅速,区域沉积环境演化与新构造运动相吻合.本研究说明依据粒度资料建立Fisher模型用于沉积相以及沉积环境的分析是可行的,同时丰富了江汉盆地汉江段沉积环境资料,为盆地水资源调查及保护提供重要参考.      

多源资料在哈尔滨一次夜间弱降水雷暴大风分析中的综合应用

利用自动站观测、天气雷达、探空等多种资料对2017年7月11日夜间发生在哈尔滨主城区的一次风雹天气进行分析。结果表明:"7.11"过程是一次弱降水雷暴大风天气,"下湿上干"的典型的喇叭口结构,以及表征稳定度指标的对流参数,有利于对流风雹的发生,但不利的相对湿度,使其对流发展的水汽条件受限,又在某些方面抑制了对流的发展,这也正是11日夜间降水量较少的原因之一;从雷达观测角度来说,"7.11"夜间的雷达强度、速度特征不具备明显的大风天气指标,指示性不强,但VIL具有一定的指示作用,如果能有效地判断VIL的跃增与突降,可以提前做到预警,提高预警的时间量。     

CMA-BJ V2.0系统华北地区降水预报性能评估

利用CMA-BJ V2.0系统在2021年汛期(6—9月)华北地区预报的平均日降水量和24 h内逐时降水量,评估不同水平分辨率(3 km和9 km)在降水量、有效降水时次占比、降水强度、降水日变化等方面的预报性能。结果表明:9 km和3 km分辨率预报均可较好地反映降水量和落区,捕捉平均日降水量大于8 mm的降水区域分布特征,但降水量级的预报较观测偏大;对小时降水量和有效降水时次占比日变化的预报与观测基本一致,但对傍晚的峰值预报偏强,且多个时段空报,同时高估了小时降水量。与9 km分辨率预报相比,3 km分辨率预报对有效降水时次占比随累积降水量的变化趋势与观测更接近,对小时有效降水时次占比日变化、峰谷值出现时间的预报也与观测更接近。9 km分辨率预报对弱降水过程的预报能力更优,而3 km分辨率预报对强降水过程的预报能力更优。     

激光云高仪试验数据对比分析

文章介绍了2014年6-10月在北京市观象台和长沙气象局开展的激光云高仪的对比观测试验和结果。参与此次为期3个多月试验的仪器来自4个厂家、共5种型号的15台仪器参加了对比试验,试验采用了HY-CL51型激光云高仪与CYY-2B型激光云高仪的测量结果作为标准云高,人工观测结果辅助判断,提出了云高标准值的确定方法和云高有效观测样本的选取方法,测试了不同型号激光云高仪的各项性能。结果表明:不同型号的激光云高仪均存在漏判和误判现象,雾、霾天气对仪器的漏判和误判会造成较大的影响,部分型号的仪器样本准确率整体较高,各项性能指标能够达到业务要求。     

大数据时代的农情监测与预警

农情信息是世界粮农组织、各国政府、粮食贸易企业以及农场管理迫切需要掌握的信息。大数据时代的农情监测与预警正在由模型驱动向数据驱动转变,大数据正逐渐成为监测与预警的核心驱动力。伴随着农情监测与预警大数据的爆炸式增长,大数据与云计算技术的发展为农情监测与预警提供了全新的技术手段。2013年以来,全球农情遥感速报系统(CropWatch)已逐步引入聚类分析、时间序列分析、关联分析、时空变化异常诊断等大数据分析方法,并应用于业务化运行的农情监测与预警中。大数据技术提升了CropWatch的数据挖掘能力,对CropWatch农情监测与预警时空尺度的拓展以及农情监测内容的精细化起到推动作用,促进了面向需求的CropWatch农情信息与预警精准云服务的发展,促成了大数据时代CropWatch农情监测与预警技术体系的升级。未来,大数据时代的农情监测与预警将逐渐向全自动化监测、实时化精准农业管理与智能化信息服务方向发展;通过众源采集技术高效低廉的获取农情观测大数据将成为未来的发展趋势;大数据技术跨领域数据挖掘的能力,使得丰富多元化的跨界信息服务将成为大数据时代农情监测与预警的主流发展方向。大数据时代的CropWatch正在向基于大数据的农情监测与预警系统全速迈进。     

波斯湾海域古生界胡夫组沉积特征与成藏规律

波斯湾海域古生界蕴藏着巨大的天然气资源。从区域构造演化出发,对该区古生界胡夫组的沉积特征进行分析,建立了"大型缓斜坡碳酸盐岩台地"沉积模式,提出了该区古生界"源-相-势"复合控藏的成藏规律,并指明了下一步勘探方向。研究表明,波斯湾海域胡夫组主要发育台地与台地边缘相区,从波斯湾西北部向东南部依次发育局限—蒸发碳酸盐岩台地、开阔碳酸盐岩台地、台地边缘浅滩—生物礁,纵向上主要为灰岩、白云岩和膏盐的互层沉积。开阔碳酸盐岩台地、台地边缘浅滩—生物礁为有利储层发育相带。波斯湾海域志留系古赛巴段热页岩烃源灶分布及规模控制着胡夫组油气分布与资源规模。胡夫组沉积相带控制油气平面富集区,膏盐盖层控制油气藏纵向与平面分布。热页岩生烃灶周围的低势能古基底高与盐拱构造是古生界主要的油气聚集带,同时,储层物性、油气运移与保存条件是古生界油气成藏的关键。根据资料分析,波斯湾海域南海湾盐次盆胡夫组发育大量盐拱背斜圈闭,且志留系古赛巴段烃源岩与胡夫组圈闭叠合性好,成藏条件优越。该盐拱构造带预测资源量巨大,为波斯湾海域古生界有利勘探方向。     

基于Google Earth Engine与多源遥感数据的海南水稻分类研究

水稻是中国乃至亚洲的重要粮食作物之一,稻米产量关系到民生福祉。及时、准确的水稻分布信息是监测水稻产量、调控农业资源配给的基础。遥感(Remote Sensing)技术能够提供大范围地表的时间序列光谱变化特征,常用于大尺度范围的作物监测。然而,传统基于水稻生长关键时期光谱特征的分类、提取方法对遥感数据的时间分辨率要求较高。由于我国南方水稻产区湿热,雨季云污染降低了遥感数据的有效时间分辨率,因此上述方法在该地难以推广。融合多源遥感数据的分类方案变相缩短了卫星的重访周期,使多云气候区基于遥感影像的水稻分类成为可能。然而,集成多源数据所需更高的数据处理效率和存储需求也成为限制省级乃至更大范围水稻分类的主要因素。本研究基于谷歌地球引擎(Google Earth Engine)云平台,在线调用中分辨率的光学、微波遥感数据,创新性地采用了按月提取、按直方图大小提取特征的方式,采用随机森林分类器,绘制海南省2016年10 m分辨率水稻种植分布图。实验结果证明,该方法可以用于南方多云地区水稻分类,提取结果能够体现不同地类之间的差异,且与实际地表的地块边界、纹理符合良好。经过地表样本点的验证,总体精度为93.2%,满足实际应用需求。因此,本研究采用的自动分类流程能够准确、高效地提取海南省的水稻种植范围,可以向其他地区大范围推广。     

野象北移事件舆情演化及其影响机制

网络舆情分析在突发事件科学管理及应急响应中作用显著。本文以2021年发生的我国首例野象大跨度北移事件为案例，采用事件抽取和扩展BosonNLP的情感分析方法，研究新闻及社交媒体关于野象北移的情感关切响应及事件级联效应，并用地理探测器等空间统计分析方法揭示其影响机制，进而探讨此类突发事件与其他舆情的传播及演化差异。结果表明：(1)野象北移舆情起始期较长而爆发期较短，且其信息扩散受空间距离衰减规律的影响较小，而主要取决于地区互联网资源供给及传播媒介分布情况，有别于公共卫生、自然灾害等跨区域重大突发事件舆情演进规律；(2)北移象群逼近人口密集的城区时易引爆舆情；期间，新闻媒体全面关注野象迁移动态且积极意向明显，成为推动公众舆情趋向正面社会建构的重要话语力量；(3)微博舆情情感在全国及省域尺度均存在显著空间集聚性；事源地云南及其邻域为低-低集聚型情感冷区，国内媒体及微博用户主要分布地（北京、山东、江苏等）为高-高集聚型情感热区；突发事件主要影响区（昆明和玉溪）亦为高-高集聚型情感热区，而我国野象传统分布区（普洱和西双版纳）却为情感冷区；决策部门及新闻媒体应差异化响应舆情情感冷热区的民众关切并精...     

北斗三号在轨测试卫星观测数据分析

采用自编数据处理算法对部分iGMAS与MGEX站点的观测数据进行分析，结果表明，北斗新信号表现优异，数据完整率和信噪比弱于GPS，多路径误差和伪距噪声与GPS相当，电离层延迟变化率优于GPS。总体而言，北斗三号与GPS处于同一水准。     

绝对重力仪的凸轮廓线设计

关于绝对重力仪凸轮驱动机构的国内外文献暂未给出相应的凸轮廓线的计算公式,拟采用多项式函数设计了凸轮理论廓线、工作廓线、压力角、曲率半径,并得出了一组合理的凸轮参数.