无锡市城市扩张与热岛响应的遥感分析

以无锡市2001和2008年的Landsat TM/ETM+影像为数据源,采用DBI-SAVI指数相结合的方法,提取无锡市城镇信息,得到2001-2008年间无锡市城市扩张图。同时利用热红外波段反演城市地表温度,分别得到2001年和2008年无锡市城市地表温度分布图。最后,结合城市热场变异指数和无锡市2001-2008年社会经济和人文数据,分析城市扩张与热岛响应。结果表明:2001-2008年无锡城市化呈现出不断增加的态势,同时城市空间扩张呈现出不均匀性,主要表现为集中发展和条带状发展两个特点,扩张方向主要集中在常州-无锡-苏州城市中心线沿线和环太湖方向,其中,以东南部扩张最为迅速。在城市扩张的同时,无锡市地表温度逐渐上升,城市热岛面积不断扩大,由条带状分布变为哑铃状分布,城市扩张与热岛分布在空间上呈现出一致性,因此,城市热岛是城市扩张的直接反映。     

区域生态安全综合评价模型分析

区域生态安全评价需通过评价模型实现。而此类模型的构建则要克服理论、技术、方法、数据等方面的巨大障碍。文章根据生态环境系统的本质特征,对层次分析方法、灰色系统方法、模糊数学方法、变权方法等常用区域生态安全评价模型进行优化的复合,以期获得更加贴近实际情况的评价结论。在此基础上,构建层次分析-变权-模糊-灰色关联复合模型,作为区域生态安全综合评价的评价模型。     

东海陆架盆地油气地质勘探与研究简况

本文对东海陆架盆地物探调查、油气地质勘探与研究史作了简单介绍，历史表明，在严格科学管理和在地质工作者的努力下，东海陆架盆地的油气地质勘探与研究确实取得了引人注目的成绩，从而为今后的“开放和开发”新形势下的进一步勘探奠定了基础，本文的历史回顾皆在为新、老东海海油气持勘探工作者提供了解东海油气勘探史线索，以促进更深入的工作。     

湘西花垣地区铅锌矿勘查技术找矿模式探索——以大脑坡铅锌矿为例

湘西花垣大脑坡铅锌矿床位于扬子地块东南缘与雪峰（江南）造山带的过渡区,矿体受构造和岩相控制,主要呈层状和脉状赋存于清虚洞组下段第三、四亚段的藻灰岩中。随着勘探深度的加大,找矿成功率显著降低,提高找矿成功率一直是急需解决的问题。本文结合前人的经验,总结了“花垣式”铅锌矿成矿模式,从勘查方法技术的角度,综合考虑岩石的电阻率、极化率和地表岩石、土壤中Pb、Zn元素含量特征等因素,建立了寻找“藻灰岩+地表Pb、Zn元素异常+中电阻率高极化率/低电阻率高极化率”的铅锌矿勘查技术找矿模式。通过在大脑坡矿区开展的综合地球物理和地球化学试验,验证了找矿模式的合理性,为湘西—鄂西—黔东地区铅锌的矿勘查提供了新的思路。     

铜绿微囊藻和斜生栅藻生物光学模型

选取太湖"水华"优势藻类即蓝藻门中的铜绿微囊藻和绿藻门中的斜生栅藻作为研究对象,利用AC-S分别测量两种纯藻的吸收系数和散射系数对铜绿微囊藻和斜生栅藻的固有光学属性进行定性和定量分析,并建立其生物光学模型.结果表明:铜绿微囊藻的藻红蛋白吸收带和斜生栅藻的藻蓝蛋白吸收带的光谱吸收特性的差异性较为明显;粒径相对较小的铜绿微囊藻的包裹效应、吸收系数对散射系数的影响程度要明显小于粒径较大的斜生栅藻,铜绿微囊藻吸收系数的P-L模型的线性斜率和幂指数要大于斜生栅藻的吸收系数模型系数;由于散射系数受吸收系数影响程度的不同,使得散射系数光学模型变量因子具有一定的差异,受吸收系数影响较小的铜绿微囊藻的变量因子为波段比值λ_0/λ,λ_0为参考波长,而受吸收系数影响较大的斜生栅藻的变量因子为吸收系数比值a(λ_0)/a(λ),a(λ_0)为参考波段吸收系数,a(λ)为波长为λ的吸收系数,两种藻类的散射模型都符合国际上通用的S-P模型形式.     

张衡一号卫星闪电哨声波扩散状态识别算法

闪电哨声波是由闪电激发的宽频带电磁脉冲,在穿越南北两半球沿地磁线传播时携带了大量的空间环境信息.由于在闪电哨声波中高频的部分先到达低频的部分后到达,导致其在时频图中呈现色散状.其传播路径的长短、传播路径中的电子密度成分以及反射次数等不同使得其存在多种扩散状态.为了进一步探索闪电哨声波的扩散状态与空间环境之间的关系,将闪电哨声波依据其扩散状态进行分类是现在一个亟需解决的问题.然而,目前的检测算法还无法对闪电哨声波扩散状态进行细分.基于此,本文以张衡一号(ZH-1)卫星感应磁力仪(SCM)的VLF波段的波形数据为研究对象,首次将闪电哨声波的散度信息作为其特征,统计并制作了2303张闪电哨声波的时频图像数据集并对其进行特征提取,最后将提取到的特征输入SVM分类器对闪电哨声波进行分类.实验结果表明该算法具有较好的分类效果,其准确率为94.35%、精确率为95.42%、召回率为98.58%、F1-Score为96.97%.     

综合地球物理勘探快速获取城市待建区浅部三维地质特征:以成都市天府新区独角兽岛为例

尽管在城市中使用地球物理方法进行探测会受到复杂人文干扰、施工场地有限的挑战,但是相比于昂贵且具有破坏性的钻孔勘探,在城市采用无损的地球物理勘探带来的好处还是远远超出了其限制.本文以成都市天府新区独角兽岛为试验区,在提前了解其地质背景和研究区工况现状的前提下,采用地质雷达、高密度电阻率法组合地球物理方法,对试验区1 km2的面积开展了综合地球物理勘探,地质雷达主要用于30 m以浅的地质结构精细分层,高密度电阻率法重点对30～100 m深的地层进行约束分层.为了提高分层精度,测点及地表起伏形态通过RTK测量控制,最终通过综合地球物理信息、RTK测量信息和钻孔信息,快速获取了试验区100 m以浅的三维地质特征,为正在开展的独角兽岛地下空间规划及施工建设提供了重要的基础资料.     

水质遥感监测技术研究进展

该文综述水质遥感监测研究的发展状况,阐述水质遥感监测的机理,介绍常用的遥感数据、遥感监测方法及其对叶绿素a、悬浮物、黄色物质等水质指标遥感监测的应用进展,提出该领域发展存在的主要问题,展望其发展方向和研究重点。     

地球物理探测技术在成都市浅表地质结构调查中的应用研究

【研究目的】 查明城市浅表地质结构特征,对于城市地下空间规划、开发区建设、地质灾害评价等有着重要的指导意义,而无损、抗干扰能力强的地球物理探测技术在提供城市地区地下地质信息方面可以发挥关键作用。【研究方法】 为了支撑成都市浅表的三维地质填图工作,本文应用11种新、老地球物理探测技术,开展了成都市浅表地质结构的探测研究。【研究结果】 研究结果表明：（1）地质雷达对于近地表的地层结构成像、建筑结构识别分辨率较高;（2）瞬态面波、混合源面波、三分量频率谐振法对50 m以浅的地质结构识别能力强,分辨率很高,但探测深度有限;（3）微动勘探法和高密度电阻率法对50 m以浅的地质结构分辨率较高,但深部分辨率一般;（4）等值反磁通瞬变电磁抗干扰能力强,施工效率高,50 m以浅分辨率较高,50~200 m深度范围内分辨率一般,对膏岩泥岩有较好的识别能力;（5）半航空瞬变电磁可弥补了常规物探方法无法进入特殊场地施工的不足;（6）浅层地震勘探对于浅地表50～300 m深度范围内的砂泥岩互层的变化特征和断层结构特征效果较好,配合自然伽马曲线,可有效识别砂泥岩的岩性界面;（7）音频大地电磁可有效识别成都平原深大断裂的空间分布形态。【结论】 综合各种地球物理方法的优缺点,建立了成都市浅表地质结构的地球物理组合探测技术方案,以期能为今后的城市浅表地质结构调查提供参考。     

中国内陆河流域植被对气候变化的敏感性差异(英文)

Terrestrial ecosystem and climate system are closely related to each other. Faced with the unavoidable global climate change, it is important to investigate terrestrial ecosystem responding to climate change. In inland river basin of arid and semi-arid regions in China, sensitivity difference of vegetation responding to climate change from 1998 to 2007 was analyzed in this paper. (1) Differences in the global spatio-temporal distribution of vegetation and climate are obvious. The vegetation change shows a slight degradation in this whole region. Degradation is more obvious in densely vegetated areas. Temperature shows a gen-eral downward trend with a linear trend coefficient of -1.1467. Conversely, precipitation shows an increasing trend with a linear trend coefficient of 0.3896. (2) About the central tendency response, there are similar features in spatial distribution of both NDVI responding to precipitation (NDVI-P) and NDVI responding to AI (NDVI-AI), which are contrary to that of NDVI responding to air temperature (NDVI-T). Typical sensitivity region of NDVI-P and NDVI-AI mainly covers the northern temperate arid steppe and the northern temperate desert steppe. NDVI-T typical sensitivity region mainly covers the northern temperate desert steppe. (3) Regarding the fluctuation amplitude response, NDVI-T is dominated by the lower sensi-tivity, typical regions of the warm temperate shrubby, selui-shrubby, bare extreme dry desert, and northern temperate meadow steppe in the east and temperate semi-shrubby, dwarf ar-boreous desert in the north are high response. (4) Fluctuation amplitude responses between NDVI-P and NDVI-AI present a similar spatial distribution. The typical sensitivity region mainly covers the northern temperate desert steppe. There are various linear change trend re-sponses of NDVI-T, NDVI-P and NDVI-AI. As to the NDVI-T and NDVI-AI, which are influ-enced by the boundary effect of semi-arid and semi-humid climate zones, there is less cor-relation of their linear change tendency along the border. There is stronger correlation in other regions, especially in the NDVI-T in the northern temperate desert steppe and NDVI-AI in the warm temperate shrubby, selui-shrubby, bare, extreme and dry desert.