基于电化学法的铬盐清洁生产工艺研究

现有铬盐生产技术阻碍了铬盐行业的清洁化发展,研发新型铬盐生产技术实属必要。中国科学院青海盐湖研究所自行研发出一套以电化学法为基础的铬盐清洁生产工艺,涵盖三条大工艺和四种母系铬盐产品。包括氢氧化钠溶液中电化学氧化铬铁制备铬酸钠联产三氧化二铬和三氧化二铁工艺,离子膜电解法从铬酸钠合成重铬酸钠工艺,以及离子膜电解法从重铬酸钠合成铬酸酐工艺。相比现有铬盐生产技术,该技术的优势主要体现在以下五点:温和化、去渣化、高值化、自动化和高效化。目前相关研发工作业已走出实验室,走过产业化中间试验,正向产业化示范线迈进。     

Sea Level Prediction in the Yellow Sea From Satellite Altimetry With a Combined Least Squares-Neural Network Approach

Accessible high-quality observation datasets and proper modeling process are critically required to accurately predict sea level rise in coastal areas. This study focuses on developing and validating a combined least squares-neural network approach applicable to the short-term prediction of sea level variations in the Yellow Sea, where the periodic terms and linear trend of sea level change are fitted and extrapolated using the least squares model, while the prediction of the residual terms is performed by several different types of artificial neural networks. The input and output data used are the sea level anomalies (SLA) time series in the Yellow Sea from 1993 to 2016 derived from ERS-1/2, Topex/Poseidon, Jason-1/2, and Envisat satellite altimetry missions. Tests of different neural network architectures and learning algorithms are performed to assess their applicability for predicting the residuals of SLA time series. Different neural networks satisfactorily provide reliable results and the root mean square errors of the predictions from the proposed combined approach are less than 2?cm and correlation coefficients between the observed and predicted SLA are up to 0.87. Results prove the reliability of the combined least squares-neural network approach on the short-term prediction of sea level variability close to the coast.     

南海大洋钻探及海洋地质与地球物理前沿研究新突破

南海是西太平洋地区规模最大且具有代表性的边缘海盆地之一。经过近几十年的研究积累,尤其是通过实施5个国际大洋钻探航次(1999–2018年)与国家自然科学基金委“南海深海过程演变”重大研究计划(2011–2019年),我国科学家获得了大量宝贵的第一手资料,取得了一系列创新进展与重大突破,标志着南海海洋地质与地球物理研究正走向国际前沿。重要研究成果包括:(1)新提出南海是“板缘张裂”盆地,与经典的大西洋型陆缘模式不同;(2)大洋钻探首次获取了基底玄武岩样品,结合中国在南海首次深拖地磁测量实验,精确测定了南海海盆玄武岩年龄,揭示南海海盆从东向西分段扩张;(3)大洋钻探结果发现南海陆缘岩石圈减薄之初岩浆迅速出现,未发现缓慢破裂造成的蛇纹岩出露;(4)发现南海扩张结束后仍存在大量岩浆活动,可能受控于多种构造与地幔因素;(5)地球化学证据与地球动力学模拟都显示南海岩浆的形成受到周边俯冲带的影响。目前我国的海洋地球科学正在进入崭新的发展阶段,有望以南海为基点,开始拓展到周边大洋,通过主导大型研究计划以及建设我国大洋钻探平台,以提升我国在南海、西太平洋与印度洋海洋地质科学研究的实质性影响力与引领地位。     

我国瓯江口和珠江口凤鲚洄游模式和生境利用研究

Habitat use of the tapertail anchovy(Coilia mystus Linnaeus, 1758) from the Oujiang River Estuary and the Zhujiang(Pearl) River Estuary was studied by examining the environmental signatures of Sr and Ca in otoliths using electron probe microanalysis. Individuals from the Oujiang River had higher and varied Sr:Ca ratios(expressed as(Sr:Ca)×1 000, 3.83–13.0 average) in the otolith core regions, suggesting that they were born in brackish or sea waters, and that a freshwater habitat might not be necessary for egg hatching and larval growth.While, individuals from the Zhujiang River had lower Sr:Ca ratios(0.39–2.51 average) in the core regions,suggesting a freshwater origin. After hatching, anchovies from the Zhujiang River migrate downstream to the river estuary close to brackish water. Our results demonstrated varied habitat use for spawning during stages of early life history between the two populations, and suggested that such variations are promoting diversity of life history strategies of this species.     

高分六号遥感卫星新增波段下的树种分类精度分析

高分六号卫星具有覆盖广、多种分辨率、波段多的优势,能为遥感解译提供更丰富的信息。为探究高分六号卫星新增波段在森林树种识别上的应用,本文以覆盖根河市阿龙山林业局的一期高分六号宽幅影像为数据源,基于特征优化空间算法（Feature Space Optimization,FSO）和最大似然分类法,分别利用高分六号的前4个波段和所有波段（8波段）的光谱、纹理等特征进行了森林树种分类,并逐一添加新增波段特征确定了各波段的贡献率排名。结果表明：在加入了优选出的均匀性纹理、均值纹理和角二阶矩纹理3种纹理特征后,前4波段和8波段的分类精度比只基于光谱特征时的精度分别高出13.23%和24.63%;利用8波段信息比只利用前4波段在基于光谱特征上的精度高11.88%,在基于光谱+纹理特征上则高23.24%;基于8波段光谱+纹理特征的树种分类精度最高,达到68.74%,新增4波段的贡献率排名为B6>B5>B8>B7,说明新增红边波段对于本次树种分类试验的贡献率最高,能为北方树种识别提供有效帮助。     

加权EIV模型的经典最小二乘算法

采用GHM方法将EIV模型在最优解处线性化,得到解的近似方差。然后,将EIV模型表达成与Gauss-Markov模型相似的形式,利用标准最小二乘理论推导EIV模型的解及近似方差矩阵,得到与已有算法等价的结论。最后,推导观测值估值和残差的统计性质,建立起一整套EIV模型参数估计和精度评定的体系。     

2017年南丹Ms4.0地震前后重力变化

利用广西及邻区2014~2017年流动重力观测资料,系统分析区域重力场变化及其与2017-07-15广西南丹MS4.0地震的关系,并结合GPS观测数据与地震地质调查成果,探讨区域重力场变化的时空分布特征及机理。结果表明：1）南丹M_S4.0地震前后,震区附近重力异常变化与主干断裂关系密切,反映沿控震断裂在2014~2017年间发生了引起地表重力变化效应的地壳变形和构造活动;2）差分重力图像表明,南丹M_S4.0地震前重力变化为“局部重力异常→四象限重力异常→重力反向变化发震”的过程;3）重力变化与GPS 观测反映的水平运动表明,南丹M_S4.0地震位于重力四象限分布中心部位及面压缩峰值附近,证明重力场和形变场动态变化对中强地震地点预测具有指示意义;4）天峨-南丹-环江一带是重力变化最剧烈地区,亦是水平形变面压缩过渡带,同时位于莫霍面等深线强烈变化地段、M_L3.0地震围空区、沿主断裂存在的低b值异常区。结合地震活动图像、定点前兆观测异常综合分析认为,该地区仍存在发生中强地震的可能。     

毛蚶天津群体形态性状对体质量的影响研究

为探讨形态性状对体质量的影响,指导毛蚶的选育,以毛蚶天津群体为研究对象,测量壳长、壳宽、壳高、体质量,并进行统计分析。结果表明,壳宽是体质量的主要影响因子,其与体质量的相关系数为0.953,直接作用为0.505,间接作用为0.448,壳长、壳高间接作用分别为0.483、0.480,综合决定系数为0.706 6。毛蚶体质量多元回归方程为Y=-40.8+0.438X1+1.124X2+0.469X3,R2=0.924;以壳宽为自变量,体质量回归方程为:Y=5.443×10-3X22.519,R2=0.937。     

基于无人机多源遥感数据海岛植被叶面积指数协同反演研究

无人机多源遥感数据的获取、融合以及应用是当今研究的热点和难点。文中以城洲岛为例,针对海岛特殊的地理生态环境,获取无人机多源遥感数据。结合无人机多光谱遥感数据定量分析各遥感植被指数与植被叶面积指数(Leaf Area Index, LAI)的响应关系,构建单因子遥感反演模型;基于无人机激光LiDAR点云提取海岛植被冠层高度模型(Canopy Height Model,CHM),并将其作为自变量引入到多源统计回归分析中,从而构建多源遥感数据协同反演模型,对区域尺度下海岛叶面积指数(LAI)进行估算,开展验证和精度评价。结果显示,加入植被冠层高度因子的协同反演模型的判定系数R2为0.92,绝对平均误差系数为12.29%,预测精度要优于单因子反演模型(判定次数R2为0.86,绝对平均误差系数19.95%)。研究表明,加入了植被冠层高度因子的协同反演模型能在一定程度上提高乔木植被LAI的预测精度。实践证明,无人机多源遥感技术在生态学定量研究中具有巨大的潜力和广阔的应用前景。     

基于GNSS方位辅助惯性导航系统的水下地形精密测量技术

多波束测深技术是目前水下地形测量的主要技术手段,测量平台的瞬时姿态及方位是影响多波束测深系统最终成果准确度的重要因素。GNSS方位辅助惯性导航系统,作为目前应用较为广泛的方位、姿态、及位置综合测量系统,不仅能够提供高精度位置信息,同时也能提供测量平台的瞬时姿态及方位数据,而且因为具有GNSS方位辅助测量,使得最终方位测量结果比传统方位测量精度大大提高,这对于多波束最终测量成果精度提高具有重要意义。文中从GNSS方位辅助惯性导航系统原理及技术优势出发,结合Trimble RTX后处理技术,从姿态测量、方位测量及辅助高程测量方面分析了在多波束水下地形测量中的应用,并以实际测量成果来展现其在水下地形精密测量技术方面的优势,结果显示,定位精度可以达到优于2 cm级别,方位精度可以优于0.01°(依赖于双GNSS天线之间的基线长度),该技术对水下地形测量准确度提升作用显著。