锡林郭勒盟春季沙尘暴时空分布特征及影响因子分析

以锡林郭勒地区沙尘暴高发季节15个气象站1961-2008年春季(3-5月)的气象资料为数据源,分析沙尘暴发生的时空分布规律及气象因子对锡盟春季沙尘暴发生的影响,结果表明:春季沙尘暴发生频次与大风、前期降水量等气象因子有关;另外,沙尘暴的发生与蒙古气旋这一特定的天气系统间存在一致的变化趋势。掌握沙尘暴分布规律及其与气象因素的关系,在预报和监测沙尘暴工作中具有重要的实际意义。     

华南花岗岩型铀矿床的形成与活动大陆边缘陆壳演化的关系

我国花岗岩型铀矿床集中产出在华南陆壳成熟度较高的特定部位,其特征是:地壳厚度大(莫霍面深度大干36km);陆壳增生范围宽(1000km以上),地壳铀含量偏高,其中沉积壳层平均铀含量为5.69ppm,花岗岩的平均铀含量为10.5ppm。产铀花岗岩体的源岩物质来自地壳,是陆壳多次增生和重熔分异的产物。对花岗岩型铀矿床的物质成分、元素组合及同位素组成的研究表明,成矿物质主要来自地壳岩石,是华南地壳多次活化改造的结果。     

基于无线通讯网络的GPS多天线监测系统及其应用

介绍了基于无线通讯网络的GPS多天线监测系统的构成情况,包括系统设计、数据传输与管理、数据处理、数据质量分析和控制等。在公路边坡变形监测中的实际应用结果表明,该系统1 h测量精度已达到3.0 mm左右,既能自动连续地对滑坡变形进行监测,又能大幅度降低整个监测系统的费用,是滑坡等地质灾害变形监测的理想技术之一。     

InSAR单体滑坡精细监测中滤波影响分析——以王家山滑坡为例

InSAR技术因其具备全天时、全天候、大范围、高精度的地表微小形变监测能力,目前已被广泛地应用于滑坡灾害的识别与监测中。滤波处理是保证InSAR测量精度的必备步骤,但是滤波处理会对测量结果造成一定直接影响。在对单体滑坡开展InSAR精细监测时,考虑滤波处理对结果的直接影响并进行评价分析具有重要意义。经典的Goldstein干涉图滤波算法选取滤波参数时存在较大的主观性,分析不同滤波参数的研究工作开展较少。本文通过设置多组不同强度的滤波,分析对于D-InSAR与SBAS-InSAR结果的影响。研究结果表明,随着滤波强度的提升,有效提升了滑坡形变监测点的数量,但是过强的滤波也会带来滑坡变形的量级与范围一定程度改变的不确定问题。本文可为InSAR单体滑坡精细监测中合理选择滤波参数提供借鉴与参考。     

华南西部滨海湿地调查及主要成果

通过遥感、单波束测量、地质取样、海水取样、钻探、地下水采集与监测等多种调查手段及工作方法,首次在我国华南西部开展1∶10万滨海湿地地质调查与生态环境评价工作,对滨海湿地类型及分布、滨海海域地形地貌、沉积物环境质量、海水环境质量、生态地质演化、地下水化学要素进行综合分析与研究。项目系统查明了该区滨海湿地类型、分布、生态环境现状及其主要影响因素,对湿地生态地质环境质量进行了综合评价,构建了华南西部滨海湿地地质调查技术方法体系和生态地质环境综合评价体系,提出了滨海湿地保护和恢复的建议,为后续我国南方滨海湿地调查提供了示范。     

渭河断裂深、中、浅和近地表显示

渭河断裂是渭河盆地一条重要的隐伏断裂,对渭河盆地的形成和发展乃至盆地内的地震活动都具有一定的控制作用。文中基于横跨渭河断裂的深地震反射、浅层地震反射、钻孔勘探和槽探等勘探方法取得的探测结果,从深部、中部、浅部以及近地表4个深度,给出了渭河断裂的呈现特点,即最深切割层位、不同深度的产状变化、错距大小、断裂的最新活动时代和活动期次等     

闽中、闽东渔场扁舵鲣的资源生物学

本文以1981～1984年4～9月累计18个月在闵中、闵东渔场开展中上层鱼类资源开发性探捕调查的材料,报道了扁舵鲣的生态分布、群体结构和生活史主要特征。鱼群先后于4～7月由南而北进入本渔场,数量分布以5月为多;栖息的最适温、盐度分别为23.5～25.5℃和33～34;渔获群体由0～V龄组成;性成熟的最小年龄为Ⅰ龄,最小叉长271～280mm;生长参数L_∞=484.44mm,W_∞=2050.76g,K=0.5109,t_0=0.3598;瞬时自然死亡率为0.8937,开发比率为0.2138,属于轻度利用的鱼类资源,尚有较大的开发潜力。     

鄱阳湖流域农业生态环境变迁及其启示

为研究农业开发与生态环境的关系,总结不同历史时期鄱阳湖流域农业生态环境特征及其演变特征.其总体特征反映在森林、土地、水、生物资源和生态环境建设方面.生态环境变迁历史对该流域农业发展具有重要的启示.     

基于深度学习的地震震级分类

为了探索地震加速度时程记录的震级信息,训练卷积神经网络基于地震震级大小对地震记录进行分类,将K-NET和KiK-net中将近12万个地震记录作为样本,对其进行信息筛选和归一化,之后将地震加速度时程记录用作输入,训练卷积神经网络模型以M5.5为分类界限来区分大震和小震。结果显示,在训练集中基于该模型的分类准确率为93.6％,在测试集中的准确率为92.3％,具有良好的分类效果,这表明大震记录与小震记录之间存在一些根本的区别,即可通过地震动加速度时程记录获取一定的震级信息。