新型人工引雷专用火箭及其首次引雷实验结果

成功研制了一种新型的人工引雷专用火箭, 火箭箭体结构采用了新型复合材料, 质量轻, 并具有空中抛伞和放线功能。利用新型火箭和全新的雷电流及同步电磁场测量技术, 在2009年的山东人工引雷实验 (SHATLE2009) 中成功引发负极性云对地放电过程3次, 共包括6次大电流回击过程, 采用0.5 mΩ的大功率同轴分流器和宽带光纤传输技术测量到了0.1 μs时间分辨率的雷电流波形、以及距雷电通道30 m、60 m和480 m处的电磁场和6000 f/s的高速摄像观测资料。6次回击的电流峰值分布范围为11.2～16.3 kA, 几何平均值12.8 kA; 半峰值宽度为7.4～34.9 μs, 几何平均值21.6 μs; 10%～90%峰值的上升时间为0.5～1.4 μs, 几何平均值1.0 μs。成功的人工引发雷电实验证明新型引雷火箭安全性能好、可靠性高, 其成功研制为雷电物理过程和效应的研究, 以及雷电流波形资料的积累提供了重要的技术手段, 对制定具有我国自主知识产权的雷电防护标准等具有重要的应用价值。     

Periodic orbits based on geometric structure of center manifold around Lagrange points

This study proposes an analytical method that determines the center manifold and identifies the reduced system on the center manifold. The proposed method expresses the center manifold through general equations containing only state variables, and not functions with respect to time. This is the so-called geometric structure of the center manifold. The location of periodic or quasi-periodic orbits is identified after the geometric structure of the center manifold is determined. The reduced system on the center manifold is described using ordinary differential equations, so that periodic or quasi-periodic orbits can be computed by numerically integrating the reduced system. The results indicate that the analytical method proposed in this study has higher precision compared with the Lindstedt-Poincaré method of the same order.     

基于Levenberg-Marquardt法和最小二乘法的中国西部烈度衰减关系模型研究

收集1900年以来,中国西部地区488次地震的烈度等震线资料,采用长、短轴椭圆模型,应用Levenberg-Marquardt法和最小二乘法拟合了中国西南地区和西北地区地震烈度衰减关系,结果表明:两种拟合方法的回归模型结果具有良好的一致性,在西南地区与西北地区2个统计单元内地震烈度衰减关系有显著不同,应作为不同的分区对待.同时,将本文结果与其他研究者得出的中国西部地区地震烈度衰减关系结果进行了对比分析,并以近年来中国西部发生的6个真实地震的烈度圈数据为基准,对比了本文模型与其他区域模型的长、短轴及面积的计算结果,结果显示:本文烈度衰减关系计算结果的精准性要稍高于大区域的计算结果,但相对于小区域来说,本文结果比小区域的烈度衰减关系结果误差偏大.由于地震烈度衰减关系具有区域性特征,区域划分越细范围越小,结果精准性越高,但是计算大区域的烈度衰减关系,有利于第一时间掌握灾区大范围的灾情分布,特别是对于震级较大的地震,计算得到大尺度上的地震烈度衰减关系,可以迅速分析相邻省区受影响地区的烈度分布特征,无须利用另一个省的地震烈度衰减关系数据重新计算,故而本文两种方法得出的结果较好地反映了烈度衰减的区域特征,适合用于中国西部地区的工程地震研究和应用.     

继承性宇生核素对暴露测年结果影响的定量分析方法探讨

宇生核素暴露测年过程中,通常假设在样品最后一次暴露前,样品中的宇生核素（继承性宇生核素）浓度为0。然而,大量的测年数据研究发现,样品的暴露年代结果会受到继承性核素的影响从而高估地貌的真实年代。因此,如何降低继承性核素对暴露年代结果的影响或者定量分析继承性核素的影响程度不仅可为地貌演化提供准确的年代数据,而且对宇生核素暴露测年技术的研究具有重要意义。因此,本文以宇生核素暴露测年技术在冰川地貌中应用为例,通过分析继承性核素的研究概况,并结合宇生核素暴露测年原理,探讨继承性核素对测年结果影响的定量分析方法。研究结果表明： ① 通过样品中 n ( 26 Al)/ n ( 10 Be) 值\[即同一样品中宇生核素Al 26 与Be 10 浓度（单位为atom/g）的比值\]以及同一地貌位置多个的样品年代数据分布情况可初步判断测年结果是否受到继承性核素的影响;② 通过现代冰川冰碛物中宇生核素的浓度可以定量分析继承性核素对暴露测年结果的影响; ③ 通过计算冰碛垄顶部和一定深度（＞2~3 m）样品的宇生核素浓度差,可以减少继承性核素的影响。本研究内容对冰川地貌宇生核素暴露测年具有重要意义。     

LSQR法在位场反演中的分析与评价

LSQR法具有计算效率高、对计算机内存要求低的优点,适合于大规模问题的求解。为探讨其应用于位场反演的稳定性和可靠性,笔者以加入不同噪声的两个合成模型数据为实验对象,比较分析了Tikhonov正则化与LSQR法求解结果,显示直接利用LSQR法求解位场反问题能够得到满意的正则化解,其解模型相对Tikhonov正则化,最大相对误差仅为0.36%,说明直接利用LSQR法求解位场反问题是可行的。将其应用于四川盆地雅安地区重力三维反演,极大地降低计算成本,获取了区内沉积盆及主要断裂分布情况,为页岩气靶区优选提供了有力支撑。     

CFG桩在高速公路建设工程中的应用

对CFG桩的工作机理、主要优点及应用范围进行探讨,并通过其在工程实践中的应用,提出了施工中应该注意的事项。     

我国新记录绿潮物种Ulva laetevirens的比较叶绿体基因组学研究

在全球范围内广泛暴发的石莼属绿潮既包括大规模暴发的跨海域绿潮,也包括小规模暴发的局地绿潮。我国有关绿潮致灾物种的研究对象主要集中于黄海绿潮浒苔,而针对局地绿潮致灾物种的研究尚处于起步阶段。针对局地绿潮物种的鉴定和分布调查是有效预防和监测潜在大规模绿潮暴发的重要环节。本文对2020年11月初于山东烟台第一海水浴场暴发的石莼属绿潮进行了初步研究。经随机采样获得了12株藻体,根据tufA分子标记初步将其中11株鉴定为Ulvalaetevirens。本研究完成了U. laetevirens的一个代表性株系CNS00533的叶绿体基因组构建和解析。叶绿体基因组为110 889 bp,含有71个蛋白编码基因、27个tRNA基因和3个rRNA基因(rrl、rrn和rrn5)。烟台海域U.laetevirens株系叶绿体基因组基因组成和排列顺序与爱尔兰海域U.laetevirens株系MT179351完全一致,DNA序列相似性为99.8%,进一步证明CNS00533为U.laetevirens。此外,U.laetevirens的烟台株系与爱尔兰株系的叶绿体基因组也存在差异,烟台株系比爱尔兰株系多了5个I型内含子和1个II型内含子,导致叶绿体基因组长度增加7kb。CNS00533与U.rigidaMT179352叶绿体基因组之间存在多个不同的长片段插入序列(763—2 346 bp), DNA序列相似性也较低(93.1%);与U. australis MT179348相比差异更大,存在一个较大(覆盖45个基因)的基因组反转事件。在基于71个蛋白编码基因的遗传进化树中, CNS00533与U. laetevirens MT179351聚类在一枝,与U. rigida MT179352遗传距离较近,与U. australis MT179348的遗传距离很远,表明U. laetevirens、U. rigida和U. australis为石莼属的3个不同物种。2020年11月烟台海域局地绿潮事件的原因种U. laetevirens在我国近海绿潮事件中首次报道,本研究对该物种的分子进化分析将有助于对我国近海绿潮监测、物种鉴定提供数据支持和理论依据。     

结构增强型生成对抗网络SAR图像超分辨率重建

针对利用生成对抗网络模型(Generative Adversarial Network,GAN)重建SAR(Synthetic Aperture Radar)图像存在边缘细节信息不足和“伪影”(artifacts)现象,该文基于增强型超分辨率生成对抗网络(Enhanced Super-Resolution Generative Adversarial Networks,ESRGAN)光学模型,重新设计生成网络上采样重建模块和结构损失函数,提出一种结构增强型生成对抗网络SAR图像超分辨率重建算法,包括特征提取、特征增强和上采样重建3个模块:在特征提取模块采用小尺度卷积层对输入SAR图像进行低层次特征提取;在特征增强模块采用多个级联残差密集块(Residual-in-Residual Dense Block,RRDB)和卷积层提取输入特征;在上采样重建模块交替使用最近邻插值(Nearest Neighbor Interpolation,NNI)和亚像素卷积(Sub-Pixel Convolution,SPC)对特征进行放大重建,使特征信息交互融合。与传统插值算法和经典深度学习重建算法相比,该算法在视觉效果和定量评价方面均有显著提升,能够在保持原网络模型重建图像内容信息不丢失的基础上,增强重建图像边缘细节信息和减缓“伪影”现象,有利于后续目标识别和灾害监测等工作开展。