阶段模型修正的星载GNSS-R土壤湿度反演方法EI北大核心CSCD

本文提出了一种基于CYGNSS数据的星载GNSS-R土壤湿度反演方法。首先,基于CYGNSS数据提取地表反射率参数,联合SMAP数据中提取的植被光学厚度、地表粗糙度和温度等辅助信息,初步构建了土壤湿度反演理论模型,并利用神经网络模型确定了土壤湿度反演的精细数学模型;然后,将该模型处理获得的土壤湿度以35%为分界点,利用本文提出的阶段函数模型提高反演精度,并使用2018年10月—2019年5月的CYGNSS数据,获得了全球范围内星载GNSS-R土壤湿度;最后,通过与SMAP提供的土壤湿度数据进行对比,评估了本文提出的星载GNSS-R土壤湿度反演方法的有效性,并对获取的星载GNSS-R土壤湿度进行了时间序列分析。结果表明,本文提出的土壤湿度反演方法的结果与SMAP土壤湿度具有良好的一致性,且随时间变化的趋势也相符合,为高精度土壤湿度反演提供了一种思路。     

渤海湾北部滦河三角洲晚更新世以来沉积环境划分及碳埋藏速率的评价

【研究目的】 开展渤海湾北部滦河三角洲晚更新世以来不同沉积环境的划分,计算分析碳埋藏速率的大小和控制因素,进一步评价区域碳储能力。【研究方法】 本文对BXZK03孔岩芯开展晚更新世以来的古沉积环境恢复,并取样分析了包括粒度、年代(AMS14C 和OSL)、含水量、有机碳、总碳和其他营养成分等在内的测试指标。【研究结果】 该孔晚更新世以来地层自下而上划分为泛滥平原、海滩沙脊、浅海、障壁沙坝(三角洲前缘)和潟湖的沉积环境单元,各沉积单元平均有机碳埋藏速率大小依次为：障壁沙坝51.47 g/(m²·a)>海滩沙脊32.59 g/(m²·a)>浅海7.82 g/(m²·a)>潟湖4.66 g/(m²·a)。总碳、有机碳与各营养元素具有显著(P< 0.01)线性相关关系,方差分析显示沉积速率和碳浓度分别是滦河三角洲碳埋藏速率的主要控制因素。【结论】 滦河三角洲沉积物中有机碳浓度相对较低,但是在全新世三角洲沉积速率较高,使得有机碳埋藏速率也相对较高,因此具有一定的碳储能力。     

冀北高尖子地区土壤地球化学特征及其找矿预测

高尖子地区位于内蒙古—大兴安岭褶皱系棋盘山中凹陷构造单元内,是冀北重要的成矿地段。区域内第四系覆盖较厚,且当前找矿详查工作开展较少。为了提取有效成矿信息并应用于找矿靶区优选圈定,本研究在该地区开展1：1万土壤地球化学测量工作,对Au、Ag、Bi、Cu、Pb、Zn、Sb、Mo和Mn共9种代表性金属元素含量特征进行统计分析。研究结果发现Au、Ag和Mo元素为研究区内成矿有利元素。运用R型聚类分析对9种元素进行分类处理,划分出Cu-Zn-Mn、Au-Pb-Bi、Sb-Mo和Ag共4组元素组合。采用累频法计算单元素异常下限,并对单元素异常进行成图处理。运用规格化面金属量来评价单元素异常参数特征,并圈定了4处异常靶区和2处异常重点查证区。在异常重点查证区内利用土壤地球化学剖面进行异常查证,圈定2处成矿有利部位。经槽探工程验证,发现4条金银矿体。证明利用土壤地球化学测量能够在研究区提取有效的找矿信息。     

冀北小梨树沟地区土壤地球化学异常特征及其找矿预测

冀北地区矿产资源丰富,但第四系覆盖严重.为优选冀北小梨树沟地区的找矿靶区,在此地区开展了1:1万土壤地球化学测量工作,运用富集系数、变异系数等理论和方法,对研究区内Au、Ag、Bi、As、Cu、Pb、Zn、Mo、Mn共9种元素的测量数据进行统计分析,显示出Ag、Pb、Zn、Bi元素为研究区内有利成矿元素.运用SPSS软...     

联合安徽CORS分析郯庐断裂带南段地壳形变与断层活动特征

使用GAMIT/GLOBK处理2013-01~2018-06期间37个AHCORS参考站观测文件,分别获取站点在ITRF2008和欧亚框架下的速度场。利用多尺度球面小波模拟出的速度场与实际速度场的误差在2 mm/a以内,说明此方法可有效反映该区域的地壳运动情况。采用多尺度球面小波法解算郯庐断裂带南段及周边地区的应变率并对其进行分析。结果表明,总体上看,郯庐断裂带南段以西除阜阳、徐州、枣庄等地,大部分地区呈面膨胀状态,以东地区大多表现为面压缩状态;应变方向变化异常的地区,均处于面膨胀与面压缩的交界地带;最大剪应变率沿郯庐断裂带南段两侧呈对称分布,西北和东南地区为高值区域,存在着较大的应变积累,有发生地震的可能,应予以关注;郯庐断裂带南段主要表现为右旋走滑,且北部存在着拉张,拉张分量向南逐渐递减,在最南部转变为压缩的状态。     

雾天环境下机器视觉的边坡监测方法

针对在机器视觉的边坡监测过程中,雾的存在会降低图像质量,影响监测效果的问题,本文提出了一种结合暗通道先验(DCP)的边坡监测方法。首先,通过计算实时图像的FADE值,判断采集的图像是否需要去雾。对于需要去雾的图像,利用DCP算法进行去雾处理,还原其纹理细节信息;然后,利用尺度不变特征变换(SIFT)算法对去雾后的图像进行特征点匹配,利用随机抽样一致性(RANSAC)算法筛选优秀的匹配点对,获取模板与图像的变换矩阵,进而利用仿射变换求取模板坐标,求得边坡的位移。试验结果表明,本文方法在不同浓度的雾霭图像下均表现良好,有效克服了视觉监测在雾天环境难以应用的问题。