高分六号宽幅相机在轨几何定标及精度验证

高分六号宽幅相机能够实现单相机成像幅宽优于800 km,对大尺度地表观测和环境监测具有独特优势。在轨几何定标是光学遥感卫星几何处理的关键环节,直接影响影像的几何质量。本文充分考虑高分六号宽幅相机超大视场的畸变特性以及多谱段的成像特点,提出宽幅相机在轨几何定标方法,采用基于探元指向角的几何定标模型补偿宽幅相机系统误差,通过绝对定标和相对定标方法联合估计各波段的内外定标参数。利用Landsat 8影像、资源三号DSM为参考数据,对宽幅相机进行绝对定标处理,再利用ASTER GDEM为参考数据进行相对定标处理,其几何定标结果表明,高分六号宽幅影像绝对定位精度在3像素左右,内部几何精度能稳定在1像素,且波段间配准精度在0.3像素以内,表明在轨几何定标后高分六号宽幅影像几何质量得到了明显的提升。     

科尔沁湿草甸参考作物蒸散发模拟分析

为探明气候变化下干旱半干旱地区湿草甸参考作物蒸散发(ET₀)影响因子,使用FAO 56 P-M模型对科尔沁湿草甸ET₀进行模拟,利用涡度相关系统对模型的适用性进行评价,并通过通径分析及指标敏感性分析对ET₀的影响因子进行辨识。结果表明:(1)小时尺度模拟精度最高,日尺度次之,月尺度较差,小时尺度上晴、阴、雨3种天气条件下模拟效果不同,晴天最优,阴雨天较差。(2)ET₀年内变化呈单峰曲线状,生长季明显高于非生长季,集中在3—10月,占全年89.79%。生长季典型晴天ET₀逐小时分布特征遵循倒“U”单峰型变化规律。(3)通径分析结果显示,对ET₀的通径系数以及对回归方程估测可靠程度E的总贡献均表现为VPD(饱和水汽压差) > T_min(最低气温) > R_n(冠层表面净辐射)>u₂(2 m高度风速),即VPD为影响ET₀最重要的因子;指标敏感性分析中,在去除VPD后引起的E变化最大,说明ET₀对VPD的变化最为敏感,其次为u₂、T_min和R_n。     

基于灯光数据的京津冀城市多标度异速分析

城镇体系的时空演化是一个复杂的动力学过程,具有无尺度性,其特征可以采用异速标度指数定量描述。论文以京津冀为例,基于1992—2013年夜间灯光数据的校正结果,提取城镇夜间灯光信息,采用多标度异速分析方法,分析京津冀城镇体系的相对发展特征及其空间分异格局。研究发现：①京津冀大城市的增长空间局限日益显著。虽然大城市如京津唐的绝对发展水平高,但接近环境承载量的极限,22 a间增长快速的是大城市交接地带的小城市(如三河、迁安、廊坊等)。②相对增长速度快的城市从东北到西南呈现带状分布——政府选择发展的“雄安新区”就在这个轴带上。由此可以得出两个结论：其一,京津冀城市演化的趋势相对均衡化,空间结构异质性逐步减弱,整个城镇体系的发展趋于相对平衡状态;其二,大、小城市“两极”贯通或许是增强城镇体系功能的有效途径。京津冀的空间格局优化不能仅仅考虑主要的、规模大的中心城市,而应该基于等级结构协调整个城镇网络体系。     

2019年四川长宁6.0级地震序列时空演化特征及其地震构造环境研究

地震序列类型能够直观地反映构造应力场环境、 地震构造及孕震环境介质的差异性。 主—余型地震多发生在相对均匀的介质环境, 而前—主—余型地震及震群型地震往往发生在复杂的构造环境。 2019年6月17日四川省宜宾市长宁县发生的6.0级地震余震活动总体呈NW向分布, 其南东段的余震呈相对单一的NW向条带状, 而北西段的余震活动呈现丛集的特征。 两段的地震序列类型也表现出明显的差异性, 南东段地震序列为主—余型, 序列衰减速度较快; 北西段地震序列为震群型, 序列初期衰减非常缓慢, 余震丰富。 此次6.0级地震序列发生在长宁—双河大背斜上, 该复式背斜主要由多个次级褶皱构造和不同走向的伴生断层组成, 结构复杂。 长宁6.0级地震序列的分段性特征表明, 该地震序列不是发生在单一的断裂构造上, 为多个构造级联破裂所导致的复合型地震序列。 此外, 序列北西段余震的深度逐渐变深, 可能预示着该区域受华蓥山断裂带活动的影响, 地震序列对华蓥山断裂带未来地震活动的影响应引起关注。     

红沿河核电站取水口海冰堆积特性的离散元分析

在寒冷地区,海冰在核电站取水结构物前的堆积会对取水口造成阻塞和损坏,进而影响核电设备的正常运作。以红沿河核电站的取水设施为例,综合考虑该工程海域冰区特点及风和流的作用等因素。建立了海冰的离散元模型,用于模拟海冰在结构物前的堆积和破坏过程。该离散元模型由规则排列的球体颗粒构成,颗粒间采用平行黏结模型进行黏结。考虑了海冰的平均尺寸、密集度及流速三个因素对海冰堆积过程的影响,对海冰堆积高度进行预判。其中,堆积高度随海冰的密集度和流速的增大而增大,而海冰的平均尺寸对堆积高度没有明显影响。分析结果表明,离散元数值模拟可用于评估和预测取水工程中海冰堆积造成堵塞的风险。     

Carbon pools and fluxes in the China Seas and adjacent oceans

The China Seas include the South China Sea, East China Sea, Yellow Sea, and Bohai Sea. Located off the Northwestern Pacific margin, covering 4700000 km~2 from tropical to northern temperate zones, and including a variety of continental margins/basins and depths, the China Seas provide typical cases for carbon budget studies. The South China Sea being a deep basin and part of the Western Pacific Warm Pool is characterized by oceanic features; the East China Sea with a wide continental shelf, enormous terrestrial discharges and open margins to the West Pacific, is featured by strong cross-shelf materials transport; the Yellow Sea is featured by the confluence of cold and warm waters; and the Bohai Sea is a shallow semiclosed gulf with strong impacts of human activities. Three large rivers, the Yangtze River, Yellow River, and Pearl River, flow into the East China Sea, the Bohai Sea, and the South China Sea, respectively. The Kuroshio Current at the outer margin of the Chinese continental shelf is one of the two major western boundary currents of the world oceans and its strength and position directly affect the regional climate of China. These characteristics make the China Seas a typical case of marginal seas to study carbon storage and fluxes. This paper systematically analyzes the literature data on the carbon pools and fluxes of the Bohai Sea,Yellow Sea, East China Sea, and South China Sea, including different interfaces(land-sea, sea-air, sediment-water, and marginal sea-open ocean) and different ecosystems(mangroves, wetland, seagrass beds, macroalgae mariculture, coral reefs, euphotic zones, and water column). Among the four seas, the Bohai Sea and South China Sea are acting as CO_2 sources, releasing about0.22 and 13.86–33.60 Tg C yr~(-1) into the atmosphere, respectively, whereas the Yellow Sea and East China Sea are acting as carbon sinks, absorbing about 1.15 and 6.92–23.30 Tg C yr~(-1) of atmospheric CO_2, respectively. Overall, if only the CO_2 exchange at the sea-air interface is considered, the Chinese marginal seas appear to be a source of atmospheric CO_2, with a net release of 6.01–9.33 Tg C yr~(-1), mainly from the inputs of rivers and adjacent oceans. The riverine dissolved inorganic carbon (DIC) input into the Bohai Sea and Yellow Sea, East China Sea, and South China Sea are 5.04, 14.60, and 40.14 Tg C yr~(-1),respectively. The DIC input from adjacent oceans is as high as 144.81 Tg C yr~(-1), significantly exceeding the carbon released from the seas to the atmosphere. In terms of output, the depositional fluxes of organic carbon in the Bohai Sea, Yellow Sea, East China Sea, and South China Sea are 2.00, 3.60, 7.40, and 5.92 Tg C yr~(-1), respectively. The fluxes of organic carbon from the East China Sea and South China Sea to the adjacent oceans are 15.25–36.70 and 43.93 Tg C yr~(-1), respectively. The annual carbon storage of mangroves, wetlands, and seagrass in Chinese coastal waters is 0.36–1.75 Tg C yr~(-1), with a dissolved organic carbon(DOC) output from seagrass beds of up to 0.59 Tg C yr~(-1). Removable organic carbon flux by Chinese macroalgae mariculture account for 0.68 Tg C yr~(-1) and the associated POC depositional and DOC releasing fluxes are 0.14 and 0.82 Tg C yr~(-1), respectively. Thus, in total, the annual output of organic carbon, which is mainly DOC, in the China Seas is 81.72–104.56 Tg C yr~(-1). The DOC efflux from the East China Sea to the adjacent oceans is 15.00–35.00 Tg C yr~(-1). The DOC efflux from the South China Sea is 31.39 Tg C yr~(-1). Although the marginal China Seas seem to be a source of atmospheric CO_2 based on the CO_2 flux at the sea-air interface, the combined effects of the riverine input in the area, oceanic input, depositional export,and microbial carbon pump(DOC conversion and output) indicate that the China Seas represent an important carbon storage area.     

近六百年来长江三角洲地区城镇空间与城镇体系格局演变分析

基于历史文献、古地图和现代遥感数据,引入历史学古代城镇形态复原方法,复原（提取）明代以来长江三角洲地区113座城镇7个时间断面（1461年、1820年、1930年、1970年、1980年、2000年和2010年）下的城镇边界,采用扩张速率、扩张效率、首位度指数和位序-规模法则,分析了近六百年来区域城镇空间与城镇体系等级规模演变格局。取得以下研究结果：\mathrm{①}研究时段内,区内城镇用地总规模由205.98 km²增加到6442.19 km²,扩大了31.27倍;城镇扩张经历了萌芽阶段（明清时期）、起步阶段（民国至改革开放前夕）、成长阶段（改革开放至2000年）和加速阶段（2000—2010年）,城镇扩张速率不断加快,但扩张效率有待提升;\mathrm{②}在城镇等级规模空间格局上,明清时期南京与苏州为区内的一级城镇,民国后,上海逐渐取代其地位,从五级城镇发展成为区域核心城镇,四级以上城镇主要集中在长江干流沿岸和太湖流域,五级以下城镇大多集中在安徽;城镇体系呈首位型分布,城镇首位度较高,且改革开放后的城镇首位度较明清与民国时期要高,不同等级规模城镇之间差距扩大,大城镇优势较强。近30年,长江沿岸城镇发展加速,苏锡常都市圈、南京都市圈等逐渐形成并快速发展。     

红水河梯级水电站水库地震监测台网的建设与发展

水库地震监测是我国地震监测的重要组成部分。文中阐述了红水河梯级水电站水库地震监测台网的建设发展历程，详细介绍了天生桥一级、龙滩、岩滩、大化及大藤峡水库专用地震监测台网的建设和发展，并对比分析了库区蓄水前后的地震活动记录，讨论了水库地震监测台网面临的升级改造及运行管理等问题，建议采用流域化统一管理。     

联合概率法在合并相邻台网地震目录中的应用:以2014年鲁甸序列为例

中国目前实行的区域地震台网独立运行机制，使得在相邻不同台网的交界地区可能存在多个版本的地震目录和震相观测报告，影响了地震活动性分析与研究.为此，本文提出了一种基于联合概率的方法，可标明两个或多个相邻台网目录中相同的事件，合并它们的震相数据开展重新定位，并重构不同台网交界地区的统一地震目录.该方法的思路与分析步骤是：首先，计算获得不同台网之间具有最小发震时刻差异的两两地震的时空强差异分布，查找并剔除独立地震，计算事件合并的联合概率；其次，基于联合概率分析合并不同台网的地震目录和震相观测报告，对合并事件进行重新定位和定位误差分析，并基于G-R关系检验重构目录的完整性.本文以2014年鲁甸地震序列为例的初步应用结果显示，震相合并之后的地震定位精度相比之前单个台网的结果，特别是相比四川台网的目录，定位精度提高非常显著，合并后的目录与之前相对完整的云南目录接近，但相比由两个台网目录简单拼凑而成的目录更加准确.此外，研究还发现在目录合并过程中，对于4级以上的中强震，应选择M_S而不是以M_L震级标度；震相合并后被复用台站记录的到时信息可用于检测不同台网间的震相拾取是否存在系统偏差.本文提出的方法使得在相邻不同台网的过渡区形成一个统一且尽可能准确可靠的地震目录成为可能.     

粒子群算法及多阈值指数熵的遥感影像变化检测方法研究

在遥感影像检测中,一般采用多变化阈值来提高检测精度,但会导致运算量的增加。为解决该问题,提出利用粒子群算法及多阈值指数熵的遥感影像变化检测新方法。首先采用影像差值法构造差异影像;然后提出利用粒子群和多阈值指数熵的遥感影像分割方法,并将其用于对差异影像进行分割获取变化区域;最后对选取的实验数据进行变化检测,并与基于模糊C均值、双阈值指数熵、三阈值指数熵的非监督变化检测方法进行比较。实验结果显示,提出的变化检测方法其精度为94.77%,本案方法是一种有效地、可靠的遥感影像变化检测方法。