淮河下游地区地表水与地下水同位素特征分析

为探明淮河下游地区地表水与地下水稳定同位素的组成特征,于2020年11月对该区域进行代表性采样,共采集地表水样13个,地下水样82个.结合全球大气降水同位素监测网(GNIP)公布的南京降水同位素数据,根据最小二乘法得出当地大气降水线(LMWL)方程为:δD=8.49δ18O+17.71,其斜率和截距高于全球大气降水线(...     

3D Mine软件在非法开采矿产资源量计算中的应用

目前，在北京市域内非法开采矿产资源量计算工作中，普遍使用的计算方法有CASS软件DTM土石方计算法和垂直纵投影（水平投影）法，但在实际运用中这两种方法均存在一定缺陷，前者运算过程复杂，且难以查错，后者计算结果误差较大。利用3D Mine软件，计算北京市某村非法开采矿产资源量，计算结果经过相关部门证实与实际情况高度吻合，证明3D Mine软件计算结果真实可靠。该方法具有操作简便、易于查错、三维可视化、成果直观等优势。     

滨海核电冷源取水区风险生物的分类及特征分析

近年来由海洋生物入侵造成的核电冷源安全事件频发,表明冷源安全已成为核电安全与可靠的重要影响因素,受到社会高度关注。本文对国内外发生的主要冷源安全事件进行统计分析,归纳总结冷源致灾生物的分类特征及其致灾机制,探讨致灾生物的筛选及分级预警标准,解析相关的探测技术、预警手段及处置方法,提出致灾生物研究中亟待解决的关键科学与技术问题,以期为更好应对解决滨海核电冷源安全问题提供参考与理论依据。     

实景三维山东建设关键技术研究

“实景三维”是现实世界的数字孪生，具有实体化、三维化、语义化、结构化、全空间和人机兼容理解的特点。当前山东省在大力推进实景三维山东建设，目的是打造“数字山东”统一的空间底版和数字基底。本文研究提出了省级实景三维建设的技术路线和需突破的关键技术，总结了实景三维山东的典型特点，可为其他省份开展全省域实景三维建设提供借鉴。     

秦淮河流域气象水文要素变化特征及径流变化归因分析

研究秦淮河流域气象水文要素变化特征及径流变化归因对该流域水旱灾害防御工作具有重要指导意义。利用秦淮河流域气象水文观测数据和遥感资料，采用β-z-h三参数综合指示法、联合突变检测法等分析该流域气象水文序列时空变化趋势、变异点和变异度，采用弹性系数法定量评估气候变化和人类活动对径流变化的贡献率。结果表明：（1）秦淮河流域年平均气温和年径流深呈显著增加趋势，且未来仍将保持显著增长趋势；年降水量和参考作物蒸散量呈不显著增加趋势，且未来仍将维持微弱上升；年平均相对湿度呈显著减少趋势，且未来仍将维持显著减少。年降水量未发生变异，年平均相对湿度在2004年发生巨变异，年平均气温在1994年发生强变异，年参考作物蒸散量在2003年发生中变异，年径流深在2002年发生弱变异。（2）基准期（1981—2002年）和变化期（2003—2019年）秦淮河流域径流深与降水量呈显著正相关，与参考作物蒸散量、下垫面指数呈负相关；变化期较基准期参考作物蒸散量和下垫面指数弹性系数增大，而降水量弹性系数减小，下垫面指数的变化对径流增加贡献量较大（91.20%），表明人类活动引起的下垫面变化是径流增加的主要因素，起正贡献作...     

生成对抗网络框架下的极化SAR图像语义分割

针对DeepLabv3+语义分割网络难以获取极化合成孔径雷达(PolSAR)图像数据分布的问题，该文提出了一种生成对抗网络(GAN)框架下的语义分割方法。其中，GAN的生成器为轻量级复数DeepLabv3+,它能充分提取PolSAR数据的幅度和相位中所蕴含的丰富目标特征，获取精细的语义分割结果；GAN的判别器为实数多分辨卷积神经网络，它和生成器进行对抗学习后，能进一步使得语义分割后的数据分布逼近于真实标签。4个PolSAR数据集的实验结果表明，该文所提方法比DeepLabv3+和轻量级复数DeepLabv3+具有更高的平均交并比、整体精度和平均像素精度。     

基于ECMWF细网格、GRAPES _MESO的短时强降水潜势预报和检验

摘要：利用2016-2018年6-8月ECMWF细网格、GRAPES _MESO、黑龙江省822个自动站资料研究黑龙江省6-8月短时强降水（一般短时强降水和极端短时强降水）的预报方法和各项影响因子指标与他们之间的融合。采用双线插值法或临近格点法、分位数法、配料法、排除法、多重分析法，形成以水汽、不稳定、抬升为框架的客观预报方法。研究发现，强降水的环境背景不仅受限于各物理因子阈值，也与他们之间融合密切相关。各因子间存在一定旬差异和日较差，夜间与水汽相关的各阈值明显大于白天，白天热力不稳定性高于夜间。6月中上旬与水汽含量相关的各因子阈值小于其他时段。从检验结果上看，由于强降水的突发性、局地形和研究方法以及模式本身的特性，预报的空报率非常大，漏报率较低，TS评分最低且随着分布密度的降低而降低。一般强降水检验中，两种模式点对点检验的TS评分为0.015左右，14km和40km点对面检验夜间TS评分约0.03和0.08。极端强降水检验中，两种模式点对点检验TS评分约0.004，14km和40km点对面检验准确率约分别为0.005和0.02。7月份由于强降水分布密度相对较大，检验效果也相对较好。一般性强降水EC细网格TS评分高于GRAPES_MESO，而极端强降水检验TS评分刚好相反。