新元古代—寒武纪硫同位素异常事件(Yudomski事件)的起源与结束

新元古代晚期—寒武纪早期是地球历史演化的关键时期,整个生物圈、大气圈和水圈在此期间都发生了巨大的变化,海水成分在其间也发生了明显的变化。而石盐流体包裹体恰恰记录了该时段海水主要离子成分的转变:海水成分从新元古代晚期的“文石海”,快速转化为寒武纪的“方解石海”;同时海水中的碳、锶、硫同位素都发生了剧烈的改变,其中海水硫酸根的硫同位素从新元古代冰期前的20‰左右,迅速升高到新元古代冰期后的35‰左右,甚至可以到45‰,海相蒸发岩沉积中的硫酸盐沉积(主要是石膏、硬石膏)则直接记录了当时海水中硫酸根的硫同位素变化。现有研究表明,新元古代晚期——寒武纪时期的海相蒸发岩沉积记录了当时海洋中存在着地质历史时期最大的硫同位素异常,即“Yudomski事件”。塔里木盆地的寒武纪早期、中期蒸发岩记录了“Yudomski事件”的硫同位素异常高值(35‰左右,甚至更高),表明这一起源于新元古代晚期的同位素异常事件持续到了寒武纪的早期和中期;塔里木盆地奥陶纪早期的蒸发岩、鄂尔多斯盆地奥陶纪中期蒸发岩和美国Williston盆地奥陶纪晚期地层的蒸发岩的硫同位素数据相似,都在+25‰左右则记录了较低的海洋硫同位素值,表明起源于新元古代冰期之后的“Yudomski事件”的硫同位素异常,持续到了寒武纪的中期,而结束于寒武纪的晚期。     

Land use change and its ecological effect in Qian'an County of Jilin Province

Based on GIS and statistical methods, with the help of searching historical literatures and calculating the landscape indices, the land use changes of Qian'an County in both spatial and temporal aspects from 1945 to 1996 has been analyzed in this paper. And the driving forces of land use changes and their ecological effects are discussed too. The main findings of this study are as follows: (1) Land use changed greatly in Qian'an during 1945-1996, characterized by a decrease in grassland, wetland and water bodies, and an increase in cultivated land, saline-alkali land, and the land for housing and other construction purposes. Grassland decreased by 175,828.66 ha, and cultivated land increased by 102,137.23 ha over the half century. Accordingly, the main landscape type changed from a steppe landscape to a managed agricultural ecosystem. (2) Results of correlation analysis show that the land use change in the study area was mainly driven by the socioeconomic factors.　(3) The ecological effects of land use change in the area are characterized by serious salinization, degression of soil fertility and the weakening of landscape suitability.     

在锥度量型空间上4个映射的公共不动点定理

为了强化理论知识的应用,利用锥度量型空间中自映射,讨论常数K的范围得出公共不动点的存在性和唯一性问题,证明了一个新的公共不动点定理.把锥度量型空间看作是锥度量空间的推广,在空间里,证明了4个映射的某些不动点定理.所得结论延伸和推广了文献中熟悉的相容性的一些论断.所有结论都在一致锥的背景下得到证明,且不需要假设函数的连续性.文章结果改进和发展了Aleksandar S Cvetkovi的结果.     

青海鄂拉山地区水系沉积物地球化学特征及找矿方向

为了研究青海省鄂拉山地区找矿远景,基于该区最新一轮1∶5万水系沉积物测量数据,提炼分析其地球化学特征之元素分布特征、元素组合特征、元素异常特征,认为该区主要成矿元素为W,Sn,Mo,Bi,Ag,Cu,Pb,Zn,Au,Sb;并指出该类成矿元素多在元古宙和古生代的地层中明显富集;主要成矿类型为矽卡岩型和热液充填型。结合已知成矿地质条件,最终优选出4个找矿远景区,为该区域提供了较明确的找矿方向。     

自组织双重空间聚类算法的城市扩张结构分析应用

双重空间聚类是能顾及空间连续性和属性相似性的空间数据分析,而常规空间聚类算法难以同时顾及2方面的约束条件。本文采用自组织双重空间聚类算法,对城市扩张结构分析进行了研究。通过改造自组织特征映射的最佳匹配神经元搜索的算法机制,在空间域和属性域进行迭代聚类搜索,实现了自组织双重空间聚类。以武汉市扩张斑块的位置信息和扩张程度指数为输入数据,使用自组织双重空间聚类算法,实现了城市扩张动态结构的识别。自组织双重空间聚类算法使得聚类结果,既在空间域上连续,又在属性域上相近,算法过程具有自组织性,减少了人为影响。     

高分辨率遥感影像的精纠正

论述了对高分辨率遥感影像进行精纠正获得正射影像的关键技术。若干实际不同分辨率的高分辨率遥感影像被用于相应的实验,实例证明了本文算法的正确性。     

数字摄影测量与计算机视觉

从摄影测量的角度出发,在回顾摄影测量的发展历程及其最新进展的基础上,系统分析了数字摄影测量与计算机视觉的共同点及其本质差异,指出数字摄影测量的下一步发展必须与计算机视觉的理论和最新发展相结合。     

基于分层的面状地图符号设计

根据面状符号的结构特征和实现机制,提出了基于分层的面状地图符号设计方法,把面状符号分为若干层,每层采用一种填充方式,并在基于VC⁺⁺的Cartosymbol软件中实现。结果表明,该方法既便于地理现象的表达,又便于计算机实现。     

高光谱数据在数据库中的高效存储技术研究

通过分析高光谱数据的特点 ,结合数据库系统开发实践 ,提出了高光谱数据集 ,包括图像、光谱、属性等 ,在关系数据库中的存储规范。结合ORACLE数据平台 ,提出了 3种高光谱数据的存储模式 ,并结合应用实例进行对比 ,分析了各自的优缺点以及适用条件。     

应用高光谱遥感数据估算土壤表层水分的研究

土壤水分是土壤的重要组成部分，它在陆地表层和大气之间的物质和能量交换方面扮演着重要角色，寻求快速而准确的方法估算土壤水分具有重要意义。通常，从可见光一近红外对土壤表层水分的估计多是建立在土壤水分与反射率的关系之上的。而在土壤水分含量不高时，土壤水分的增加使土壤光谱反射率在整个波长范围内降低，尤其在760nm，970nm，1190nm，1450nm，1940nm和2950nm等水分吸收波段，而在土壤水分含量较高时，土壤水分的增加会使土壤光谱反射率在某些光谱波段升高。而土壤水分的估计往往是基于土壤水分与土壤水分吸收波段的吸收强度之间的线性关系上，虽然这些经验的方法对于估算某些土壤的表层水分含量是有效的，但这些关系应用于其它条件(如不同种类土壤、土壤湿度变化范围很大的情况)时却面临很多困难，这与土壤的光谱反射率是由土壤的组成成分(土壤水分、有机质、氧化铁和粘土矿物等)的含量和它们在土壤中的分布密切相关。微分技术处理“连续”的光谱是遥感中常用的数学方法，微分技术能部分消除低频光谱成分的影响。现在微分光谱已广泛地应用于研究植被的生物物理参数、矿物和有机质等。然而利用微分光谱对土壤水分反演的研究却鲜见报道。本文通过对实验室中多种不同类型的土壤进行光谱与土壤表层水分含量进行观测，探讨了通过土壤反射率与微分光谱对土壤表层水分的反演方法。4种类型的土壤光谱数据(反射率(R)，反射率倒数的对数(log(1／R))，反射率的一阶微分光谱(dR／dλ)，反射率倒数的对数的一阶微分光谱(d(log(1／R))／dλ))与土壤表层水分之间的关系在本文中得到分析，R与log(1／R)对于不同土壤类型与土壤表层水分都很敏感，说明通过R与log(1／R)反演土壤表层水分受土壤类型的影响很大，而dR／dλ，d(log(1／R))／dλ)对土壤类型却不敏感，对土壤表层水分较为敏感，说明dR／dλ和d(log(1／R))／dλ)对于反演不同类型土壤具有很大的潜力，微分光谱与土壤水分在某些波段具有显著的相关性。通过随机对9种土壤(各具有4个土壤水分)的数据建立反演土壤水分的模型，并其他9种土壤(各具有4个土壤水分)的数据进行验证模型，结果表明，dR／dλ和d(log(1／R))／dλ)能够显著提高R与log(1／R)对于不同土壤类型土壤表层水分的反演精度，由于吸收过程是非线性的，在四种类型的土壤光谱数据中，总体来说，d(log(1／R))／dλ)具有最好的能力预测不同类型土壤的表层水分含量。