无人机在重大地质灾害应急调查中的应用

传统的地质灾害应急调查受限于地形、天气等外界条件,不能快速全面地获取灾害的详细信息,而无人机具有灵活性强、时效性高和不受复杂地形影响等特点,在地质灾害应急调查中有独特的优势。本文以“6·24”新磨村滑坡和“10·11”白格滑坡为例,阐述了无人机数据获取及处理流程,重点介绍了无人机获取的数字地形产品在地质灾害精确描述、定性及定量分析中的应用。结果表明：无人机摄影测量技术为重大地质灾害应急调查提供了更加科学高效的现场影像采集和遥感成果处理及应用方案,为应急救灾工作的顺利实施及分析研判提供了重要数据支撑,科学有效地保证了现场施工救援人员的安全。     

影响坡地降雨产流历时的因子分析

运用小型野外便携式人工模拟降雨装置研究了林地、农地、裸地诸因子（坡度、承雨强度、土壤始含水率、林地植被盖度、枯落层厚度）对产流历时的影响。研究发现,林地影响产流历时的主要因子为承雨强度和植被盖度;农地、裸地则为承雨强度、坡度和土壤初始含水率。建立了不同土地利用方式下影响产流历时的单因子、多因子回归方程。通过方程,由植被盖度、坡度、土壤初始含水率和承雨强度四个易于获得的因子可预测不同土地利用方式下的     

油气聚集对石英矿物成岩演化的影响

油气在砂岩储层中的聚集会对石英矿物的胶结作用产生影响。对黄骅坳陷三马探区的石英矿物的包裹体分析以及对开放孔隙中原油抽提物和包裹体中原油的生物标志物进行分析,含油级别较低的油层与水层具有相似的均一化温度分布范围,但富含油层中流体包裹体均一化温度高值分布范围比低级别油层和水层低,包裹体中的烃类组成与开放孔隙中的主要存在成熟度上的不同。分析认为石油的充注不会使石英矿物的胶结作用立刻停止,石英的次生加大作用仍在继续,但胶结作用受到一定的抑制,当石油充注到一定程度后,胶结作用将会停止,后期进入储层的成熟度较高的原油可能未被捕获。     

基于广义回归神经网络的全球表层海水1°×1°二氧化碳分压数据推演

表层海水二氧化碳分压是评估海洋碳源汇强度的关键参数,但其实测数据较少、时空分布极不均匀,导致二氧化碳交换通量的估算有很大的不确定性,海洋源汇特征就不能确切获取。为了解决这个难题,在收集的表层大洋二氧化碳地图(Surface Ocean CO₂ Atlas,SOCAT)实测数据集基础上,运用广义回归神经网络建立二氧化碳分压与经纬度、时间、温度、盐度和叶绿素浓度间的非线性关系,构建了1998-2018年间全球1°×1°经纬度的表层海水二氧化碳分压格点数据,其标准误差为16.93μatm,平均相对误差为2.97%,优于现有研究中的前反馈神经网络、自组织映射神经网络和机器学习算法等方法。根据构建的数据所绘制的全球表层海水二氧化碳分压的分布与现有研究有较好的一致性。     

森林地下碳分配(TBCA)研究进展

森林地下碳分配(TBCA)是森林碳循环的重要通量,对森林碳吸存有十分重要作用.TBCA是森林生态系统GPP中一个最大的汇,可占GPP的21%～61%,土壤呼吸的2/3来自TBCA.目前国际上常用的TBCA测定方法为碳平衡法,在假定地下碳库处于稳定状态时,TB-CA可由土壤呼吸减去凋落物量获得,但该方法存在一系列问题.影响森林TBCA的因素有生产力、森林类型、树龄和森林演替阶段、土壤养分和水分有效性、林分密度和树种组成、气候变化因素等.TBCA中各个组成部分均较难以测定和量化,通常假定TBCA中根系呼吸与根系生产力各约占50%,而TBCA中菌根菌和根系分泌物的贡献则仍不清楚.有关TBCA各组分去向及影响机理的研究亦很少.TBCA未来的研究应致力于揭示TBCA的根本驱动因子和其对全球变化的响应机理,以及TBCA转化为土壤新碳的效率及控制因素;同时应提高TBCA测定方法的确定性,特别是应将碳同位素法、微根管法及碳平衡法三者相结合.     

四川底苏,大梁子铅锌矿床同位素地球化学特征及成矿物质来源探讨

本文通过底苏和大梁子铅锌矿床硫铅及氢氧同位素，认为同生沉积成岩成矿阶段矿石硫来源于赋矿围岩或同生沉积成岩成矿阶段矿层，矿石铅主要来源于矿区地层，改造热液中的水主要来自大气降水，成矿热液属大气降水含热液。     

环境敏感因子在威海湾沉积环境中的应用比较

环境敏感因子是沉积环境演化研究中的重要参数,其提取方法有多种,不同方法在海湾内应用成果相对较少。文章根据山东半岛威海湾WH-05岩心（钻探深度18.2 m）高分辨率（2 cm）粒度分析结果,采用基本端元模拟算法（BasEMMA）、粒级—标准偏差法和粒级旋转主成分分析法（V-PCA）提取了环境敏感因子,结合AMS14C数据,对不同方法提取的环境敏感因子进行了对比分析,探讨了其对季风强度变化的响应关系。结果表明：8.4 ka B.P.以来威海湾沉积物类型均为粉砂,粉砂含量为主、黏土含量次之、砂含量较少,以跳跃组分为主,悬浮组分次之。BasEMMA和粒级—标准偏差法提取的3个敏感粒级范围（2.6～11.0μm、31.3～63.4μm、256.9～500.0μm）总体一致,能较好地反映东亚季风长周期变化事件（8.4～6.5 ka B.P.东亚季风强度减弱;6.5 ka B.P.至今东亚季风强度增强）;V-PCA提取的环境敏感因子,能较好地反映东亚季风短周期变化事件（如明清小冰期、西汉小冰期事件等）。以上三种方法提取的环境敏感因子指示了研究区气候变化,对研究区沉积环境具有较好的指示作用。     

盾尾注浆硬性浆液固结变形数值计算模型构建

为了更为合理地评价盾构壁后注浆控制地层变形机制,采用自制的硬性浆液固结变形试验装置,对水泥胶结作用影响硬性浆液的固结过程进行了试验研究。在此基础上,分析并建立了能够反映水泥胶结作用的硬性浆液固结变形模型,编制了相应的数值计算程序,并通过试验验证了该模型的合理性。硬性浆液固结变形数值计算模型的构建对于提高盾构施工模拟精细度将起到一定的推动作用。     

大数据环境下内蒙古浩布高地区铅锌多金属矿智能矿产预测研究

传统机器学习算法已广泛应用于矿产预测,但面对地质大数据的高维稀疏、不平衡小样本等特性仍缺乏有效处理和分析的方法,设计适合地质大数据特点的机器学习算法是智能矿产预测亟需解决的新问题。本文以内蒙古浩布高地区的铅锌多金属矿产预测为例,提出了一种面向地质大数据的半监督协同训练矿产预测模型。首先对研究区地质找矿信息和地球化学异常信息进行定量分析,提取断裂构造、二叠系地层、燕山期侵入岩、地层与岩体接触带、围岩蚀变及Pb、Zn、Sn、Cu地球化学异常共9种找矿因子。然后利用递归特征消除法优选找矿因子组合,不包括Sn异常在内的8个找矿因子组合被选为最优组合。最后,利用支持向量机和随机森林算法作为基分类器进行半监督协同训练矿产预测,绘制成矿概率分布图。ROC曲线和预测度曲线分析结果表明,半监督协同训练模型的AUC值和预测效率都高于随机森林和支持向量机模型。研究结果也为大数据环境下的智能矿产预测提供了一种新的思路。