基于孢粉的古气候参数定量重建:一种新思路及其在中国的应用实例

传统的孢粉-古气候定量重建评估主要衡量校准集对现代气候状况的模拟结果或化石样品与校准集样品的可比程度,客观上导致特定地点重建气候参数的取舍缺少明确标准.基于国际上通过随机数据开展定量重建显著性检验的新方法,充分利用中国环境梯度大、植被类型丰富、现代表土孢粉数据完善等优势,提出一种孢粉-古气候参数定量重建的新思路:首先确定控制化石孢粉组成变化最主要环境因子,随后通过限制其他环境因子来构造校准集以开展该因子的定量重建,最后完成重建结果显著性评估.将该思路应用于分别位于黄土高原东、西两侧的吕梁山公海和六盘山天池化石孢粉序列,所获得的年降水量P_(ann)定量重建不仅具有统计上的显著性(p0.001),且相互间在共同时段表现出良好、稳定的相关关系,均指示了约3300cal a BP以来的东亚夏季风降水快速下降,显示其具备降低基于孢粉的古气候参数定量重建不确定性的较大潜力.     

From China’s Heavy Precipitation in 2020 to a “Glocal” Hydrometeorological Solution for Flood Risk Prediction

The prolonged mei-yu/baiu system with anomalous precipitation in the year 2020 has swollen many rivers and lakes,caused flash flooding,urban flooding and landslides,and consistently wreaked havoc across large swathes of China,particularly in the Yangtze River basin.Significant precipitation and flooding anomalies have already been seen in magnitude and extension so far this year,which have been exerting much higher pressure on emergency responses in flood control and mitigation than in other years,even though a rainy season with multiple ongoing serious flood events in different provinces is not that uncommon in China.Instead of delving into the causes of the uniqueness of this year’s extreme precipitation-flooding situation,which certainly warrants in-depth exploration,in this article we provide a short view toward a more general hydrometeorological solution to this annual nationwide problem.A“glocal”(global to local)hydrometeorological solution for floods(GHS-F)is considered to be critical for better preparedness,mitigation,and management of different types of significant precipitation-caused flooding,which happen extensively almost every year in many countries such as China,India and the United States.Such a GHS-F model is necessary from both scientific and operational perspectives,with the strength in providing spatially consistent flood definitions and spatially distributed flood risk classification considering the heterogeneity in vulnerability and resilience across the entire domain.Priorities in the development of such a GHS-F are suggested,emphasizing the user’s requirements and needs according to practical experiences with various flood response agencies.     

Identification of Milankovitch Cycles and Calculation of Net Primary Productivity of Paleo-peatlands using Geophysical Logs of Coal Seams

Individual coal seams formed in paleo-peatlands represent sustained periods of terrestrial carbon accumulation and a key environmental indicator attributed to this record is the rate of carbon accumulation. Determining the rate of carbon accumulation requires a measure of time contained within the coal. This study aimed to determine this rate via the identification of Milankovitch orbital cycles in the coals. The geophysical log is an ideal paleoclimate proxy and has been widely used in the study of sedimentary records using spectral analysis. Spectral analyses of geophysical log from thick coal seams can be used to identify the Milankovitch cycles and to calculate the period of the coal deposition. By considering the carbon loss during coalification, the long-term average carbon accumulation rate and net primary productivity (NPP) of paleo-peatlands in coal seams can be obtained. This review paper presents the procedures of analysis, assessment of results and interpretation of geophysical logs in determining the NPP of paleo-peatlands.     

哥伦比亚马钦火山热液系统:2011～2013年期间观测到的新岩浆信号

近年来(2009～2013年)哥伦比亚马钦火山出现了新的地震活动。为了改善火山监测系统,本文通过分析该地区火山喷气孔和温泉的化学成分及同位素组成,研究了火山排放的流体地球化学特征。由于火山喷气孔中下部液相分离,导致穹丘中上部的喷气孔亏损δD和δ~(18)O(与大气降雨补给的流体相比)。在2011～2013年期间,发现喷气孔有很明显的岩浆成因He,同时排放的液体中岩浆的贡献量也有所增加,证实了地震活动性的增强。地球化学和地震资料都显示马钦火山已经苏醒,说明该火山仍然处于活跃期,值得我们对其活动性进行重点监测。     

机器学习应用于地震预警中的地震波判别研究

由于天然或人为干扰产生的局部脉冲式噪声影响,使得地震预警系统出现误报。为减少此类问题,我们利用美国南加州和日本的30万条地震波形记录,训练了一个生成式对抗网络(GAN)用于识别P波初至特征。我们将GAN判别器作为自动特征提取器,并利用70万条地震事件和噪声波形记录训练了一个随机森林分类器。结果表明,该方法可以辨别99.2%的P波和98.4%的噪声信号。其优越的性能有望极大地减少因局部脉冲式噪声而造成的误触发数量。我们的研究表明,GAN判别器能获取简洁有效的地震波形特征,可广泛应用于地震学研究。小结地震预警系统受到脉冲式噪声信号的干扰(非真实地震信号),有时偶尔会出现误触发的情况。这会造成不必要的经济损失和公众恐慌。本文利用机器学习工具判别波形是由地震产生的还是由局部噪声源产生的。我们通过利用美国南加州和日本大约70万条波形来训练算法。研究表明,利用机器学习方法可以识别99.2%的地震和98.4%的噪声。该方法可以减少大量的误报,能显著改善地震预警系统的鲁棒性。     

新的免费软件:钻孔地震数据处理与解释

在地下成像和储层特征化中,垂直地震剖面(VSP)测量是一个重要的工具,这项技术可以使地球物理学家推断出其他方法无法获取的关键信息。MVSP是一个新的、具有图形用户界面(GUI)的MATLAB工具,用于垂直地震剖面炮点建模、数据处理和解释。该软件处理垂直地震剖面数据,从加载和预处理阶段到廊道绘图,以及集成测井数据和地震数据的最终阶段。一些地震和信号处理工具箱被集成和修改,以适应并完善处理和显示的软件包。开发该软件的主要动机是为地球科学领域的新地学科学家和学生提供免费软件,它将所有垂直地震剖面模块汇集成一个易于使用的软件包。该软件有几个模块,允许用户测试、处理、比较、可视化和生成可发布的结果。该软件开发成一个独立的MATLAB应用程序,只需要MATLAB Compiler Runtime(MCR)即可运行完整的功能。我们将详细介绍MVSP,并使用该软件来创建合成的垂直地震剖面数据。然后使用不同的可用工具来处理这些数据。并使用该软件加载和完全处理实际数据。最后,将该数据和测井数据相结合以进行更详细的分析和解释。为了评估该软件处理流程的准确性,使用商业软件处理相同的数据。对处理结果的比较表明,MVSP在处理垂直地震剖面数据方面和目前工业中使用的商业软件包同样高效,并且能提供相似高质量的处理后的数据。     

地震预测评估方法(一)

地震预测是地球科学有待解决的最重要问题之一。过去的10年间,地震预测研究重新得到重视,目前地震可预测性的试验在全球范围内开展。就这些试验而论,与预测评估有关的一些极其重要的问题有:详细的试验说明书、使用成功的量度,以及恰当的参考模型的选取。本文我们对这些问题逐一进行论述,并重点讨论前瞻性地震预测的检验。我们考察一般类型的地震预报,其预报格式可用二元表示。也就是说,对于任意给定的时空间隔,我们可推断给定震级尺度的地震是否发生。这种设定允许我们进行确定性预报和概率性预报的检验,并比较二者的结果。此外,这种检验因为实质上是许多"是"或"否"的累加,所以容易被人们所理解。作为二元性能的量度及其广泛可用性的介绍,我们考察了前兆逆向追踪法,即一种近来旨在预报破坏性地震的地震预测算法。我们介绍并分析了几种测量预测性能的方法,但是前兆逆向追踪试验结果可能还不稳定,因为到目前为止所发生的地震数量少。针对3项10年尺度地震活动性预报,即相对强度、图像信息和美国国家地震灾害区划图的试验,我们介绍由Molchan图得到的成功量度的"校验区技能分数"方法。利用这种试验并应用统计假设检验的方法,我们说明了选取适宜的参考模型的重要性,并表明增加模型的复杂性未必在预测效能上获得显著改善。在说明了将校验区技能分数用作效能的量值之后,我们较为详细地讨论其统计学性质以及相关的计算程序。根据这项工作以及以前的试验成果,我们用校验区技能分数探索区域地震活动性的演化并优化了简单预报模型。