空白校正对元素分析仪测定海水中颗粒有机碳结果准确性的影响分析

颗粒有机碳（POC）在海洋生态系统乃至全球碳循环中发挥着重要作用,其准确获取至关重要。目前,元素分析仪测定POC是最准确和常用的分析方法,但取样忽略了水体溶解有机碳（DOC）可能带来的影响。针对空白样品如何获取才能有效去除DOC影响的问题,本文设计比较了5种取样方法对POC测定结果的影响,以及滤膜对数据的影响。结果显示,1）5种样品取样方法所得的结果差异显著,不进行空白校正会对结果产生较大误差;2）文献和本文设计的空白样取样方法均出现了空白值大于样品值的异常情况;3）样品继续抽人工海水100 mL即可有效洗去滤膜上吸附的DOC;4）未过滤的滤膜450℃灼烧5 h后可以有效去除滤膜上吸附的碳,但是存放时间越久滤膜从空气中吸附碳的概率越大。本研究确定的人工海水法可以有效去除DOC对测定结果的影响,样品测定结果重复性、精密度高,可准确用于海水POC样品的测定。     

浅谈地理信息行业元数据的管理

对数据仓库、元数据等进行了简单介绍,并针对地理信息系统中元数据的作用、内容进行了阐述,在此基础上,对地理信息系统中元数据的管理方法提出了建议。     

多次覆盖的深地震反射剖面炮集产生的单边折射数据的模拟与反演：推导浅层速度结构的方法

地壳尺度多次覆盖的近垂直深地震反射剖面产生大量的单边炮集,因浅层折射波的交互覆盖而产生众多的数据集。我们介绍一种推导浅层速度结构的方法,该方法是通过模拟和反演单边地震折射初至走时数据来实现的。我们将该方法应用于在印度地盾西北新元古代马尔瓦尔盆地进行的炮检距为100m、长12km的剖面上获得的数据集。该方法表明,在描述浅层折射层深度、陡的倾角和速度方面是成功的,即使缺少常规的相遇折射剖面也如此。研究揭示出马尔瓦尔盆地的2层沉积建造、默拉尼火山岩和复杂基底地形,并测量出了所估算模型参数的分辨率和不确定性。发现近道选排的地震截面图在性质上与导出的盆地结构特征相一致。在布格重力剖面上观测到的相对高和低的异常进一步证实了导出的这一速度模型。本文提出的方法对那些只能获得单边、多次覆盖的地震剖面数据集的近海等地区是非常有用的。     

金刚石钻进时钻孔的弯曲和预防

在当前技术条件下,钻孔都或多或少的发生弯曲,既有顶角弯曲,也有方位角弯曲.通常讲钻孔弯曲,是指钻孔偏离设计方向与位置.钻孔的弯曲,包括开孔不正或井口管按得不正引起整个钻孔偏离设计方向.也包括开孔是正的.而在钻进过程中钻孔自身逐渐发生弯曲.本文主要谈金刚石钻进时钻孔的弯曲和预防.某矿区自1970年下半年开始使用金刚石钻进,到74年上半年止已完工的钻孔有50多个.钻孔所遇到的主要地层为:     

利用高分辨率立体测绘影像进行中小比例尺地貌要素更新

利用高分辨率立体测绘卫星遥感影像进行地貌更新,因其覆盖面积大、更新周期短等优势,在中小比例尺地貌要素更新中具有极大的应用潜力。本文分别利用WorldView-2和资源三号卫星影像,探索基于高分辨率立体测绘卫星影像的中小比例尺地貌更新技术方案流程,并在不同的试验区开展试验验证。试验结果表明：本文方法能够满足1：50 000比例尺地形图地貌更新精度要求,更新效率提升了约25%。     

滇东北地区下石炭统万寿山组烃源岩生物标志物特征及沉积环境分析

为研究滇东北及邻区下石炭统万寿山组泥质烃源岩的有机质来源及沉积环境特征,共采集了33件样品,开展了烃源岩基本特征及生物标志化合物特征以及微量元素特征的研究。测试结果显示,烃源岩的有机质来源比较复杂。烃源岩正构烷烃图谱表现出机质具有水生生物和陆生植物双重来源;CPI值与OEP值无明显奇偶优势。正构烷烃的ΣC21-/ΣC22+值范围在0.21~7.68,(nC21+nC22)/(nC28+nC29)值范围在0.76~2.72,烃源岩在区域上可能具有陆源植物与海相生物混合来源的特征,甾族C27,C28和C29-ααα-20R关系三角图也证明这一点。同时,干酪根δ13Corg检测结果反映出研究区北部以Ⅲ型腐殖型干酪根为主,南部属于Ⅱ、Ⅲ混合型干酪根。样品的Ts/(Tm+Ts)比值在0.45~0.53,微量元素中的V/(V+Ni)比值在0.63~0.96,结合五环三萜烷的分布特征认为烃源岩形成于还原环境背景。伽玛蜡烷/αβ-C30藿烷比值在0.12~0.18,表明烃源岩沉积时水体盐度为正常盐度。根据样品中Sr/Ba值在0.23~7.9,B/Ga值在0.88~12.68,变化较大,说明万寿山组在研究区的南部属于半咸水的浅海环境,在研究区的北部属于滨浅海环境。     

基于RCNN的无人机巡检图像电力小部件识别研究

随着无人机（UAV)在电力巡线作业中的应用推广,对无人机巡检图像的信息挖掘或目标识别需求也越来越强烈。传统的电力部件识别流程常使用经典的机器学习算法,如支持向量机（SVM）、随机森林或adaboost,结合梯度、颜色或纹理等浅层特征来对电力部件进行识别,难以充分利用无人机巡检图像的信息,并且难以达到较高的准确率。卷积神经网络（CNN）在目标识别中表现优异,在很多目标识别场景之中成为首选算法。基于区域的卷积神经网络（RCNN）通过使用CNN从图像中提取可能含有目标的区域来检测并识别目标,但是计算复杂,难以满足识别海量电力巡检图片的需求。Fast R-CNN和Faster R-CNN利用CNN网络提取图像特征,后接一个区域提议层,优化了提取可能含有目标区域的方式并改进识别目标的分类器,使目标的检测和识别几乎实时。本文详细描述了Faster R-CNN算法流程,并在无人机电力线巡检图像部件检测中使用,然后分别对DPM、SPPnet和Faster R-CNN识别方法进行了对比分析,利用实际采集的电力小部件巡检数据构建的数据集对3种方法进行测试验证,并讨论了不同参数对识别结果的影响。实验结果表明,基于深度学习的识别方法实现电力小部件的识别是可行的,而且利用Faster R-CNN进行多种类别的电力小部件识别定位可以达到每张近80 ms的识别速度和92.7%的准确率。     

基于交通、人口和经济的中国城市群识别

城市群是一个国家工业化和城镇化进程发展到较高阶段的自然产物,是国家参与全球竞争与国际分工的新型地域单元。当前,研究人员对城市群的识别尚没有一个统一、快速的技术体系,国内外研究人员对于中国城市群的准确识别和区域界定也不统一。在综合前人研究的基础上,作者首先厘清了城市群的基本概念;继而提出了一套以地球信息技术为支撑的,综合了交通、人口和经济属性判断的城市群快速识别和区划的技术流程,即以空间通达性的定量测算为基础,初步识别出空间上集结的城市集群;然后以城市集群的经济和社会属性为判据开展进一步的遴选,得到城市群空间分布及其区划界线。作者使用基础地理数据、DEM数据、空间化的经济社会格网数据,应用ArcInfo Macro Language 编程技术对中国的城市群进行了识别,研究明确了2000 年中国9 大城市群的空间位置及其覆盖区域。与国内外既有认识的对比表明,本研究技术路线简单、清晰,所得的中国城市群区划成果准确,具有可参比性。