基于深度学习的2D-3D地下密度异常体反演方法

地下密度异常体反演需要由二维数据反演三维结果,为了高效、高精度地反演地下异常体的位置及密度信息,本文提出2D-3D InvNet深度学习反演方法.方法的编-解码器结构,在编码阶段利用二维卷积网络结构提取地表重力异常及重力梯度异常数据信息,解码阶段利用三维卷积网络结构恢复异常体地下形态,实现了二维和三维网络结构的结合.为了精确地反演异常体密度,提出利用加权均方误差（WtdMSE）作为损失函数,同时为了更好地评估反演结果,引入核密度函数作为评价手段.与均方误差（MSE）相比,利用WtdMSE作为损失函数对异常体密度的反演结果更为准确,异常体所在区域的密度误差减少50%以上.对理论样本的反演结果表明,2D-3D InvNet在准确反演异常体地下位置的同时,也能给出准确的密度信息.应用此方法对西澳大利亚Kauring地区实测数据进行反演,我们成功获得了此区域地下异常体的密度分布.理论与实际应用结果表明,2D-3D InvNet深度学习方法稳定且具有较强的泛化性能,能在无需规定限制条件的情况下快速获得准确的反演结果.

     

东海北部外陆架MIS 6以来的沉积地层格架及古环境演化

利用最新采集的高分辨率浅地层剖面资料,结合SHD-1钻孔岩心资料,对东海北部外陆架MIS 6以来的地层结构进行了分析,建立了MIS 6以来的沉积地层格架,并对地层的地质年代进行了厘定。根据Octavian Catuneanu（2005）的层序地层学理论,研究区地层划分出海侵和高位体系域、下降期体系域、海退和低位体系域。研究表明,过孔的浅地层剖面与钻孔岩心的沉积地层有很好的对应关系。东海北部外陆架MIS 6以来可划分出7个不整合界面（D7—D1）和7个地震单元（SU7—SU1）。东海外陆架的海进层序与海退层序有规律地交替发育,它们与海平面变化曲线也有很好的对应关系。其中,地震单元SU1、SU5分别为MIS 1、MIS 5形成的海侵沉积,主要发育浅海沉积层,100 m以浅的位置发育潮流沙脊;地震单元SU2、SU4、SU6分别对应 MIS 2、MIS 4和MIS 6低海平面时期形成的河流/河口—三角洲沉积;地震单元SU3、SU4为下降期体系域,这两个亚单元分别对应MIS 3和MIS 4晚期。MIS 4—MIS 3发育厚层且分布广泛的水下三角洲,但MIS 4发育的水下三角洲的规模不及MIS 3大。总之,对MIS 6以来沉积地层格架的建立和古环境研究可为东海外陆架晚第四纪地层的海平面变化、古环境演化等相关研究提供参考。     

海底AUV关键技术综述

海底海洋的观测探测,亟需大范围、长时间的观测平台。海底AUV有三大要点：适应海底机动性的结构、适应海底复杂环境的机敏运动性能、适应海底的水声通信定位技术。本文分析了海底AUV的发展与演变历程,凝练出海底AUV的关键技术难题,并相应地给出海底AUV水动力外形优化技术、海底AUV机敏运动控制技术、海底水声通信与定位导航技术、海底接驳与充电技术的解决思路。最后以碟形结构的水下直升机为例,给出了海底AUV的实践探索一例。本文将为海底AUV及其观测探测技术的发展提供指导意义。     

最近千年来山东半岛西部气候环境变化的石笋δ18O、δ13C记录(Ⅰ)

Ky1石笋采自山东半岛西部的开元洞,沿生长轴方向长度75 mm。在高精度U-230Th测年基础上,通过年纹层连续计数和平均沉积速率内插/外推相结合的定年方法,确定Ky1石笋生长于892-1894AD的1 000年间。在沿石笋生长轴采集的583个样品中,选择303个进行了δ18O、δ13C测试,平均分辨率约为3年。结果显示,最近1 000年来Ky1石笋的δ18O比值变化呈现明显阶段性,显示与小冰期(LIA)和中世纪暖期(MWP)对应的数百年尺度波动。根据δ18O记录,山东半岛在1482AD前后发生与MWP/LIA转换对应的气候突变,1 482 AD前相当于夏季风强烈、降水较多的中世纪暖期,1482AD后则为夏季风微弱、降水较少的小冰期,以1609AD夏季风最弱。Ky1石笋的δ13C比值变化,也由与MWP、LIA相当的两个阶段构成,其间也存在突变关系。比较而言,δ13C变化要比δ18O显著平缓,而且LIA后期以来二者变化明显不同步。最近1 000年来,与MWP/LIA对应的气候突变相当于明朝中期;就各个朝代内部的气候变化趋势而言,不同朝代之间不尽相同;不同朝代之间的更替期均大致与MWP、LIA内部的次级气候突变时期对应。因此,中世纪暖期和小冰期内部的次级气候波动对中国社会发展的影响,可能比千年尺度上最剧烈的MWP/LIA突变本身更显著。另一方面,洞穴所在山地的土地利用程度不断提高,其与气候变化共同影响着洞穴所在山地的植被的C3/C4植物构成及土壤性质,从而影响到石笋δ13C比值。从892-1318AD,土地利用对山地植被构成、土壤特征的影响程度尚不及气候变化;1318-1479AD,已达到或超过小幅度的气候变化;1483-1779AD,达到或超过大幅度的气候变化;1779-1894AD,土地利用程度趋于稳定,气候变化对环境的影响程度则又相对凸显。     

坝基软弱结构面工程特性的动态研究方法与应用

水电工程具有规模大、施工快、地质缺陷不易揭露等特点,特别是对于水电工程的安全运营至关重要的深层抗滑稳定性问题.基于上述原因,本文以金沙江观音岩水电站为例,借助坝基开挖,总结出工程地质条件软弱结构面展布特征动态评价软弱结构面参数动态取值坝基稳定性评价这一套坝基软弱结构面动态评价方法,并以软弱结构面展布特征与参数动态研究为核心,建立起合理的坝基深层抗滑稳定性评价方法.实践表明,该套方法能合理地评价重力坝抗滑稳定性问题,保证水电工程的安全运营.     

江西雅山和下桐岭钨矿床辉钼矿Re-Os年龄及其地质意义

雅山钨矿(W-Mo)和下桐岭钨钼铋铍矿(W-Mo-Bi-Be)是江西武功山地区典型的石英脉型钨矿床,二者的成矿元素组合略有差异,但二者的成矿时代是否存在差异尚不十分清楚.为了确定二者成矿年代,通过选取雅山钨矿和下桐岭钨矿石英脉中与黑钨矿伴生的辉钼矿进行了Re-Os同位素定年,获得了雅山钨矿3个辉钼矿Re-Os同位素等时线年龄和模式加权平均年龄分别为156.0± 2.8 Ma和156.0± 2.4 Ma;下桐岭钨矿4个辉钼矿Re-Os同位素等时线年龄和模式加权平均年龄分别为156.4± 8.7 Ma和156.1± 2.1 Ma;在误差范围内,说明二者的成矿时代基本一致.研究表明,雅山钨矿和下桐岭钨矿床与武功山地区浒坑钨矿成矿年代一致,与华南地区大规模钨锡成矿作用的时代基本一致(170 ~ 150 Ma),均形成于晚侏罗世.     

中国美丽乡村空间格局演变及其影响因素

以2014年、2017年、2020年对应的140、560、1216个美丽乡村为研究对象,运用GIS空间分析方法研究美丽乡村空间格局演变特征,采用地理探测器和多尺度地理加权回归探究美丽乡村空间格局的影响因素及其在空间上的分异。研究表明：① 美丽乡村空间分布的集聚性增强,主要集聚区呈现“带状-网状-面状”分布的演变趋势,热点区由沿海地带向内扩散。② 美丽乡村的空间分异是多因素共同作用的结果,但各影响因素对美丽乡村空间分异的解释度呈显著差异,其中非物质文化遗产、5A级景区、人口密度对美丽乡村空间分布的解释力最大。③ 主要影响因素对美丽乡村空间分布的影响作用存在空间差异,且局部不平衡性显著,正相关和负相关分析单元具有呈块状与带状的聚集特征。     

城乡中学生地理研学旅行需求的比较分析 ——以陕西省杨陵区为例

研学旅行是课堂教学的拓展与延伸,对培养学生实践能力具有重要的促进作用。对中学生地理研学需求的分析,能够帮助学校、研学机构更加有序地开展地理研学旅行。本文以杨陵第四初级中学和杨凌高新初级中学287名学生为研究对象,利用问卷调查,在地理研学旅行认知、经历、参与意愿的调查分析基础上,对杨陵区城乡中学生地理研学旅行需求进行比较。以期为城乡中学开展地理研学旅行提供参考,在研学活动的组织与实施过程中能充分考虑城乡差异,为不同学生制定合适的地理研学方案,推动城乡中学地理实践教育活动的均衡发展。     

农田近地表风沙流风程效应变化特征研究

风沙流的风程效应研究是定量获取风沙流沿程变化的核心和难点,风程效应是指输沙率随沙床表面或地块长度的增加而不断增大,而后趋于稳定的变化特征,饱和输沙率（f_max）和饱和路径长度（L_sat）是风程效应的重要参数。采用自动连续称重式集沙仪,以河北坝上地区康保县境内典型旱作农田为研究对象,观测了2017、2018年和2021年内4次典型风蚀事件,分析近地表5 cm高度风沙流的风程效应在5 min时间尺度下的变化特征。结果表明：（1） 近地表输沙通量随风程距离的增大而增大。（2） 4次风蚀事件中L_sat的变化范围在11~280 m之间,并存在明显差异,其变化与风速无关。（3） 近地表风沙流的f_max与风速（U）呈幂函数关系。（4） 风程效应的变化特征与地表可蚀性因子、地表微地貌变化有着紧密联系,未来应对不同的土壤类型和质地农田的风程效应进行深入研究。     

不同时间序列模型在岩溶山区矿井涌水量预测中的应用

矿井涌水量预测的精度对于煤矿开采安全有着至关重要的作用。文章以老鹰山煤矿为例,分析降雨与矿井涌水量的相关关系,结果表明：同期月及前第1个月降雨量与涌水量相关性具有逐渐减弱的趋势,而与前第2个月至第5个月的相关性有逐渐升高的趋势;基于矿井涌水量及降雨量,建立了单因素季节性时间序列SARIMA模型及多元季节性时间序列SARIMAX模型对矿井涌水量进行预测,预测结果表明：两种模型91.7%的预测值达到B级探明的矿井涌水量,预测精度均较高,SARIMAX模型预测结果的MAPE为18.57%,小于SARIMA模型的25.27%,预测精度更优。