基于类海啸波型的岛礁水动力特性数值模拟研究

基于非静压单相流模型NHWAVE建立了高精度二维数值波浪水槽,采用日本2011年实测真实海啸波型系统研究了海啸波在岛礁上传播变形的规律,并且分析了波高、礁坪淹没水深和礁前斜坡坡度等因素对孤立波和真实海啸传播变形的影响。结果表明,相比孤立波,类海啸波的波长明显大于孤立波波长,在测点处引起的水面变化持续时间更长,同等波高情况下真实海啸波型比孤立波能够携带更多的能量,与岛礁的相互作用也更为复杂,在礁坪上形成的淹没水深约为孤立波的两倍。礁前斜坡坡度和礁坪淹没水深均对类海啸波的反射和透射系数有显著影响。随着礁前斜坡坡度的增加,反射系数和透射系数均逐渐增加。随着礁坪淹没水深的增加,反射系数逐渐减小,而透射系数逐渐增大。但是,反射系数和透射系数均随着入射波高的增加而逐渐减小。     

沉积物-水界面污染物迁移扩散的研究进展

污染物在沉积物-水界面的迁移扩散对研究其环境生物地球化学循环过程和评估水生态系统质量具有重要意义.本文回顾了关于沉积物-水界面的基本研究历程,重点介绍沉积物-水界面的垂向结构以及扩散边界层（DBL）的作用,展示污染物在沉积物-水界面的多维度分布（一维垂向、二维平面和三维立体）及其在沉积物-水界面的扩散过程,详细总结影响污染物在沉积物-水界面迁移扩散的环境因素（包括温度、溶解氧或氧化还原条件、pH值、离子强度或盐度、沉积物组成、共存污染物、溶解性有机质、水动力条件、生物扰动、微生物以及其他因素）,讨论当前关于沉积物-水界面污染物扩散通量估算几种方法的优缺点,最后,对沉积物-水界面污染物扩散研究在未来发展需要关注的几个方面进行了展望.     

土地整理中水资源评价及供需平衡分析——以济南市商河县郑路镇土地整理项目为例

水资源平衡分析是进行土地整理的前提和基础。在项目可行性研究中,只有摸清项目区的水资源量和可用水量,才能因地制宜对项目区进行科学规划。以济南市商河县郑路镇中低产田项目区为例,对水资源供需平衡进行了评价和分析,以求得水资源供需平衡,进而提高土地利用率。     

大跨空间结构抗震理论发展综述

大跨空间结构由于其体量大且多作为人流密集的公共场所,因而在各种非常规荷载作用下破坏将造成更大的经济损失、人员伤亡和社会影响。系统的从以下3个方面总结了近年来大跨空间结构抗震理论所取得的主要进展:(1)大跨空间结构精细化的抗震性能评估理论,主要包括材料本构模型、地震动多点输入和结构强非线性模拟;(2)大跨空间结构抗震性能提升与修复技术,主要包括结构减震技术和隔震技术的研究与应用;(3)大跨空间结构抗震设计理论与方法,主要包括基于性态的设计方法和功能可恢复性的抗震设计方法。通过以上部分的系统总结和论述,形成大跨空间结构统一的抗震设计指导思想,并对此类结构的抗震研究的发展趋势和方向进行展望,从而为大跨空间结构设计、施工和监测提供借鉴。     

基于NPP-VIIRS数据的夜间灯光指数变化分析——以夏河MS5.7地震为例

夜间灯光数据具有反映人类活动的特点,其数据变化与电力设施运行情况、建筑物和其他发光物体息息相关,因此近年来被广泛应用于各类科学研究中。本文从夜间灯光数据特点出发,以夏河M_S5.7地震灾区为研究区,利用多时相NPP-VIIRS夜间灯光数据,经过数据预处理后获得三种灯光指数,从而分析灾区的夜间灯光变化,为地震应急救援工作提供一种震后灾情信息获取的途径和方法,为甘肃县级尺度的地震应急工作提供另一种思路。     

中国湖泊古生态研究进展

湖泊古生态学是古湖沼学的一个主要分支学科,主要通过沉积记录中的各种生物化石指标分析,重建不同时空尺度的湖泊生态系统演化过程,回答生态学、全球变化和环境管理应用方面的议题.本文回顾了国内外湖泊古生态研究的发展历程,在介绍湖泊古生态系列指标和研究基本原理基础上,着重评述了过去20 a来我国湖泊古生态研究取得的主要进展和成果,包括:(1)建立了基于多种生物和生物标记化合物指标进行古气候环境要素(温度、盐度、水体总磷等)定量重建的系列转换函数模型;(2)重点揭示了不同地质历史时期和近百年来湖泊生态环境演变的规律,及其对自然和人为驱动的响应特征与机理;(3)利用古生态记录诊断了湖泊生态系统突变模式与早期信号特征,定量揭示了湖泊生物群落演替与生态系统弹性损失的关系.上述成果为湖泊环境管理和治理提供了重要依据.本文最后对我国湖泊古生态研究进行了展望,提出了今后研究的重点方向.     

Machine-Learning Methods for Water Table Depth Prediction in Seasonal Freezing-Thawing Areas

Long-term and accurate predictions of regional groundwater hydrology are important for maintaining environmental sustainability in arid agricultural areas that experience seasonal freezing and thawing where serious water-saving measurements are used. In this study, we firstly developed a machine-learning method by integrating a multivariate time series controlled auto-regressive method and the ridge regression method (CAR-RR) for water table depth modeling. We applied and evaluated this model in the Hetao Irrigation District, located in northwest China where the freezing-thawing period is 5 months long. To train and validate the model, we used monthly data of water diversion, precipitation, evaporation, and drainage from 1995 to 2013. The CAR-RR model yielded more accurate results than the support vector regression (SVR) and multiple linear regression (MLR) models did in the validation period. To extend the model applicability during freezing-thawing periods, we included additional temperature information. We compared results obtained using temperature only during the freezing-thawing period with results obtained without temperature, which showed that the input data of the temperature during the freezing-thawing period significantly improved the model accuracy. To resolve the problem of capturing the peaks and troughs of CAR-RR, we further developed an integrated CAR-SVR model to consider the nonlinearity. The optimal model (CAR-SVR) was then used to predict the water table depth under future water-saving measurements. It demonstrated that water diversion was the most important factor affecting the water table depth. A water table depth with less than 3.64 billion m³ water diversion will result in risks of environment problems.     

基于多位点分子标记和线粒体基因组学中国蚌类(蚌目:蚌超科)物种分类与系统进化研究

中国是东亚蚌类（蚌目：蚌超科）物种分布中心,共记录有26属.然而,在世界蚌目框架下,中国仍缺乏一个完整科学的蚌类分类系统.本研究基于多位点分子标记（COI、16S、28S）和线粒体基因组学重构聚焦于蚌超科的蚌目系统发育关系,ML、BI和BEAST系统发育结果均支持蚌科5亚科分类系统,即（（（Ambleminae+Gonideinae）+Rectidentinae）+Unioninae）+Parreysiinae;珍珠蚌科2亚科分类系统,即（Gibbosulinae+Margaritiferinae）;中国蚌类隶属蚌科4亚科（Gonideinae,Rectidentinae,Unioninae,Parreysiinae）13族和珍珠蚌科两亚科（Gibbosulinae,Margaritiferinae）.基于化石标定的分子钟显示：蚌科物种分化时间为中三叠世（median=232.07 Ma）,其中雕刻蚌亚科（Parreysiinae）起源和物种分化时间早于其他亚科;矩形蚌亚科（Rectidentinae）物种分化时间最晚,为晚白垩世（median=94.72 Ma）;小方蚌亚科（Ambleminae）和隆脊蚌亚科（Gonideinae）最近共同祖先分化于晚侏罗纪世（median=144.69 Ma）,珍珠蚌科起源于晚石炭世（median=312.61 Ma）,物种分化于晚白垩世（median=91.59 Ma）,中国蚌科现生物种最早起源时间可追溯到白垩纪（中国尖嵴蚌（Acuticosta chinensis）,median=114.36 Ma）.蚌超科线粒体基因重排分析显示：蚌超科线粒体基因组有4种基因排列方式（GO）,珍珠蚌科独享一种（GO1）;蚌科中Unioninae和Ambleminae共享一种（GO2）;Gonideinae有2种基因排列方式（GO3和GO4）,其中室蚌（Chamberlainia hainesiana）独享一种（GO4）,其余物种共享一种（GO3）.以往作为高阶元分类的贝壳形态、钩介幼虫形态以及育儿囊类型,并不能作为蚌科属及以上阶元分类依据.本研究重构了世界蚌目聚焦于蚌超科的系统发育关系和进化历史,建立了中国蚌类分类系统,为今后该类群区系多样性研究及资源保护提供了分类依据.     

Robust f‐x projection filtering for simultaneous random and erratic seismic noise attenuation

Linear prediction filters are an effective tool for reducing random noise from seismic records. Unfortunately, the ability of prediction filters to enhance seismic records deteriorates when the data are contaminated by erratic noise. Erratic noise in this article designates non‐Gaussian noise that consists of large isolated events with known or unknown distribution. We propose a robust f‐x projection filtering scheme for simultaneous erratic noise and Gaussian random noise attenuation. Instead of adopting the ?₂‐norm, as commonly used in the conventional design of f‐x filters, we utilize the hybrid ‐norm to penalize the energy of the additive noise. The estimation of the prediction error filter and the additive noise sequence are performed in an alternating fashion. First, the additive noise sequence is fixed, and the prediction error filter is estimated via the least‐squares solution of a system of linear equations. Then, the prediction error filter is fixed, and the additive noise sequence is estimated through a cost function containing a hybrid ‐norm that prevents erratic noise to influence the final solution. In other words, we proposed and designed a robust M‐estimate of a special autoregressive moving‐average model in the f‐x domain. Synthetic and field data examples are used to evaluate the performance of the proposed algorithm.