常州市地下水化学特征与成因分析

常州市是长江三角洲地区典型的工业化城市,多年来的快速发展对地下水环境产生了系列影响,地下水化学组分受到天然条件和人为活动的双重因素控制,现状地下水化学成因和影响因素亟需深入研究。本文在地下水赋存条件分析的基础上,综合采用统计分析、离子比值、主成分分析法对常州各层地下水化学特征和成因开展分析。结果表明,区域潜水水化学类型以HCO3-—Ca2+·Mg2+、HCO3-—Ca2+和HCO3-·Cl-—Na+·Ca2+型为主,第Ⅰ承压水以HCO3-—Na+·Ca2+和HCO3-—Ca2+型为主、第Ⅱ承压水以HCO3-—Na+·Ca2+型为主。从浅层至深层,地下水的碱性逐渐增强,ρ(TDS)均值降低,水化学类型由多元向单一转变。地下水化学组分主要受矿物溶解、阳离子交替吸附和人类活动共同影响。其中,潜水和第Ⅰ承压水化学成因主要受控于碳酸盐、硅酸盐、蒸发岩盐和硫酸盐矿物溶解作用,且二者受人类活动影响特征较显著。第Ⅱ、Ⅲ承压水受碳酸盐、硅酸盐矿物溶解和阳离子交替吸附作用明显,人类活动对深层地下水影响甚微。     

东昆仑东段纳赤台岩群变火山岩锆石U-Pb年龄、地球化学特征及其构造意义

纳赤台岩群主要为一套变质火山沉积岩系,是东昆仑东段早古生代构造演化的重要物质记录。变火山岩的锆石U Pb年代学研究结果显示,年龄具有较宽的年龄谱（459～2 729 Ma）,可划分为2 559 Ma、1 341～1 472 Ma、918～1 142 Ma、557～595 Ma、459～497 Ma 5个年龄段,前4组为继承锆石年龄,反映研究区早期构造岩浆事件,459～497 Ma年龄谱段的锆石具有较好的生长韵律环带,为典型的岩浆成因锆石,206Pb/238U加权平均年龄为（474±7.9） Ma （MSWD=0.59,n=11）,代表纳赤台岩群变火山岩形成时代,即形成于奥陶纪。地球化学研究表明,纳赤台岩群变火山岩原岩均为玄武岩,可以划分为两个岩石系列,斜长角闪片岩和角闪片岩为亚碱性拉斑玄武岩。Mg#介于43.09～46.44,反映岩浆经历了一定程度的结晶分异演化;绿帘绿泥钠长片岩属于碱性玄武岩;Mg#介于57.20～76.00,相对接近原始岩浆成分。微量元素特征显示前者具有岛弧火山岩特征,而后者具有E MORB和OIB特征,其岩浆源区更富集。锆石U Pb年代学和地球化学研究表明,纳赤台岩群火山岩形成于早古生代弧后盆地,是原特提斯洋洋壳向北俯冲导致东昆仑地区拉张成弧后小洋盆的物质记录。     

半潜式起重平台系泊系统设计与优化研究

近年来,国内兴起了大力发展半潜式起重平台的势头,系泊系统的设计与优化是该类型平台开发中的关键问题之一。采用时域方法对半潜式起重平台系泊系统进行耦合动力分析,研究系泊系统主要参数对其动力响应特性的影响,并给出主要参数的设计优化流程,在此基础上,以能够满足安全校核且性能较优的系泊方案为目标,对该半潜式起重平台的系泊系统进行优化设计,并研究单根系泊缆发生破断对整个系泊系统的影响。结果表明:基于主要参数对系泊性能的影响规律,经优化设计得到的系泊方案,预留的安全欲度适中,能够保障半潜式起重平台在恶劣海况下的生存能力,同时具备较好的经济性。     

南海西南部晚更新世以来元素地球化学特征的古环境意义

对南海西南部近湄公河三角洲中陆坡上的MD01-2392站样品进行的地球化学分析表明,该站的沉积物主要为湄公河带来的陆源碎屑,并且其物源四十万年来没有发生明显变化。分别用元素TiO2、CaO估算出沉积物中陆源碎屑的含量及CaCO3的含量,结果显示CaCO3在间冰期时高,而在冰期时低,表现出“大西洋旋回”的特征。陆源碎屑含量与CaCO3含量相反,显示出南海CaCO3旋回属于稀释旋回。元素的Ti标准化值表明,该站沉积物源区在冰期时化学风化弱,而在间冰期时相对较强,说明间冰期时物源区存在相对温暖湿润的气候环境。     

塔里木盆地哈拉哈塘地区奥陶系一间房组岩溶储集层地震识别与控制因素*

哈拉哈塘地区位于塔里木盆地北部隆起轮南低凸起奥陶系潜山背斜西翼上,其中奥陶系一间房组碳酸盐岩岩溶储集层具有成因复杂、非均质性强和识别困难等特点。以该地区现有钻井资料、地震解释成果为基础,在现代岩溶研究成果的指导下,利用分时窗提取、断裂属性(Fault Fracture Attribute,FFA)裂缝预测等特色技术,详细刻画了一间房组孔洞、裂缝型储集层空间分布特征。利用地层CT扫描古河道识别、残厚法古地形恢复、基于优化算法的构造识别体断裂精细刻画等特色技术开展了岩溶储集层控制因素分析,指出古地形较高、水系发达、小断裂发育等是一间房组岩溶储集层发育的有利控制因素。面对现有碳酸盐岩岩溶储集层勘探难题,以现代岩溶理论为指导,钻井-地震结合,综合利用多种地震预测技术是开展研究区碳酸盐岩岩溶储集层识别和控制因素分析的重要手段。     

Efficient estimation of flood forecast prediction intervals via single‐ and multi‐objective versions of the LUBE method

Prediction intervals (PIs) are commonly used to quantify the accuracy and precision of a forecast. However, traditional ways to construct PIs typically require strong assumptions about data distribution and involve a large computational burden. Here, we improve upon the recent proposed Lower Upper Bound Estimation method and extend it to a multi‐objective framework. The proposed methods are demonstrated using a real‐world flood forecasting case study for the upper Yangtze River Watershed. Results indicate that the proposed methods are able to efficiently construct appropriate PIs, while outperforming other methods including the widely used Generalized Likelihood Uncertainty Estimation approach. Copyright © 2016 John Wiley & Sons, Ltd.     

地籍管理数据库特色研究

在总结目前地籍管理工作的基础上,较为详细地研究地籍管理工作中的基本管理特点,即城乡一体化地籍管理、地籍数据检查、时空地籍数据管理和基于Web Service的目录数据库管理.并利用ArcEngine组件,在.NET平台基础上,以广东省地籍管理数据库系统建设为例.实现了这些特色管理,它将对我国城乡一体化地籍数据库的建设具有一定的借鉴意义.     

2013年岷县—漳县6.6级地震地磁垂直分量日变化低点时间空间分布特征

2013年6月16日, 中国大陆西部出现地磁低点位移。 异常出现后一个月内, 位于低点位移分界线附近发生7月22日岷县、 漳县交界6.6级地震。 本文通过采用实测低点时间减去理论低点时间的方法剔除低点时间经度效应, 并以剔除经度效应后低点时间为0 h的等值线作为低点位移分界线, 2013年岷县—漳县6.6级地震震中处于6月16日地磁低点位移分界线上。 对异常期间的中国大陆地区地磁垂直分量日变形态进行统计, 发现其存在显著的分区特征, 低点时间为正的区域内日变化形态基本呈现W型, 低点时间为负的区域内日变化形态主要呈现V字型特征。 低点位移异常日期间, 中国大陆存在显著的高梯度带, 本文采用梯度值定量描述低点时间空间变化程度。 在6月13日正常日期间, 中国大陆地区未出现梯度值大于1.5 h/(°)的区域, 在6月16日异常日期间, 出现梯度值大于1.5 h/(°)的区域, 2013年岷县—漳县6.6级地震位于高梯度区边缘。     

大数据驱动下的数字古地理重建：现状与展望

古地理学是一门强数据依赖性学科,古地理重建作为古地理学的核心任务之一,着眼于研究地质历史时期地球表面的地理、生物、气候面貌及其演化规律。随着大数据时代的来临,海量古地理数据的不断积累和计算机技术的高速发展使得标准化、智能化的数字古地理重建成为可能。文章通过介绍国内外与古地理相关的代表数据库及团队,总结其优缺点,提出大数据驱动下的数字古地理重建核心思路:(1)建立标准化的古地理学知识体系;(2)建立开放互动、动态更新的古地理数据库,并利用机器阅读技术等拓展数据来源;(3)建立标准化的古地理学数据质量控制体系;(4)利用机器学习技术建立各类型古地理重建模型,深度挖掘数据;(5)以可实时更新的智能数字地图集或多维动画形式输出成果。     

基于MODIS的青海草地产草量变化遥感分析

青海省属于全国四大牧区之一,及时监测草地植被长势、准确估算牧草产量对青海牧区可持续发展与生态保护具有重要意义。草地产草量遥感估算主要基于植被指数与地面实测数据的统计关系,但是估算涉及植被指数、统计模型和建模指标等因素,不同组合建立的估算模型的精度不同。本文基于青海省MODIS数据与地面实测产草量数据,选择了6种植被指数（NDVI、EVI、RVI、DVI、RDVI、MSAVI）、5种统计模型（简单线性模型、二次多项式模型、幂函数模型、指数函数模型、对数函数模型）以及3种建模指标（植被指数年度最大值VI_max、植被指数生长季累积值VI_season-cum、植被指数年度累积值VI_annual-cum）,研究不同组合下估算模型的精度差异,并从中选出最优产草量估算模型,用于估算青海省2015年和2016年的产草量。结果表明：（1）6种植被指数中,基于NDVI的产草量估算精度最高;非线性模型的估算精度高于线性模型,尤其是指数模型,适用于大多数草地类型产草量的估算;基于NDVI年度最大值的估算模型对大多数草地类型都具有最高的决定系数（R²）。（2）从干重来看,高产草量区（>1 200 kg·hm^-2）主要位于青海东部的高寒草原,中等产草量区（600~1 200 kg·hm^-2）位于青海南部和东部的高寒草原和禾草草原,低产草量区（<600 kg·hm^-2）位于青海西部和北部的高寒草甸、高寒草原、高寒荒漠和盐生草甸。（3）与2015年相比,2016年青海省干草总产量减少31.60×10⁴ t,减幅为1.36%。其中,禾草草原和高寒草甸的减产幅度最大,而荒漠草原和盐生草甸的产量则有所增加。本文可为草地产草量遥感估算的研究和实践提供参考。