陕西南部最古老的放射虫化石

用酸蚀法从陕西镇巴县小洋剖面下寒武统水井沱组分离出大量保存精美的双瓣壳格子状化石,经电子探针进行成分分析和扫描电镜下进行形态学研究,确认为迄今已知最古老的放射虫化石。这些最早出现的放射虫不同于泡沫虫类,而出入意外地是一类褐色虫(Phaeodoria)。基于这些材料,建立了1个新科(Eoconchariidae)、3个新属(Eoconcharium、Fusuconohnrium和Quadratapora)和7个新种。     

南大西洋东岸尼日尔三角洲大型重力滑动构造东南缘的断裂和泥构造

尼日尔三角洲位于南大西洋东岸被动大陆边缘之上,以大型重力滑动构造为主要构造特征。该大型重力滑动构造的东南缘位于喀麦隆境内,断裂和泥构造都很发育。这里的断裂包括重力滑动构造后缘伸展形成的正断层、侧翼剪切形成的撕裂断层和泥底辟成因的断层。泥柱和泥墙是研究区的两种类型的泥构造。泥柱代表主动泥底辟;泥墙是撕裂断层控制下被动泥底辟的结果。研究区重力滑动构造相关的断裂活动起始于中新世中期,随后,在上新世和第四纪各有一个断裂活动的加速期。每个断裂活动的加速期都伴随有泥底辟。中新世中期有一次泥底辟,上新世和第四纪各有两次泥底辟。     

极端事件的一个统计分析：强24小时降水量的长期趋势

极端事件的一个统计分析：强２４小时降水量的长期趋势岩鸠树也，山元龙三郎（京都大学理学部）（日本气象协会关西本部）全球变暖过程中最重要和令人感兴趣的问题之一是：极值事件的长期趋势（Ｈｏｕｓｈｔｏｎ等，１９９２）。本文关心的问题是随着温室气体的显著增加，...     

浙江杭州地区中下奥陶统岩石地层研究

笔者以城市基岩地质填图和剖面研究资料为基础,选择临安市板桥乡南山上中下奥陶统剖面为候选层型,根据剖面的地层层序、岩性组合、分界标志,结合区域变质的总体特征,重新厘定、划分了4个组级岩石地层单位,并依据荆山岭与板桥剖面的地层、生物化石对比,确定其地层时代为早中奥陶世。这对重建杭州地区层型剖面与地质遗迹保护、岩石地层填图、奥陶纪石灰岩矿产资源的开发利用都具有重要意义。     

锌对虾夷扇贝和刺参幼体的毒性效应

以虾夷扇贝和刺参幼体为材料,采用急性毒性试验和亚急性毒性试验的方法,研究了锌对虾夷扇贝稚贝及幼贝和刺参幼虫的毒性效应。结果显示,锌对虾夷扇贝稚贝的２４ｈＬＣ５０ ６．４０ｍｇ／Ｌ,４８ｈＬＣ５０为３．３１ｍｇ／Ｌ,７２ｈＬＣ５０为１．３９ｍｇ／Ｌ,９６ｈＬＣ５０为０．６１ｍｇ／Ｌ;而对幼贝的２４ｈＬＣ５０为３．３２ｍｇ／Ｌ,４８ｈＬＣ５０为２．６４ｍｇ／Ｌ。７２ｈＬＣ５０为１．７６ｍｇ／Ｌ,９６ｈ     

山东省春秋季暴雨天气的环流特征和形成机制初探

对山东省春秋季暴雨的气候特征和影响系统进行了分析, 制作了春秋季暴雨的平均环流形势图。分析了2003年春秋季两次大范围暴雨的环流特征和影响系统及暴雨期间大气的热力特征和水汽输送特征, 应用k-螺旋度和倾斜涡度发展理论, 分析了暴雨的形成机制。结果表明:4月暴雨均受气旋影响, 10月暴雨以冷锋影响居多。2003年4月17—18日为气旋暴雨, 10月10—12日为切变线冷锋暴雨。两次暴雨前都有低空偏南风急流向暴雨区输送水汽, 大气强烈增温增湿, 对流不稳定度增大, 湿斜压性增强。强冷锋南下触发对流不稳定能量释放, 产生暴雨。暴雨期间低层正k-螺旋度猛烈发展。暴雨前期中低层MPV1 < 0且MPV2 > 0, 冷锋影响期间MPV1 > 0且MPV2 < 0, 都有利于倾斜涡度发展, 增强了上升运动。     

褶皱的形态类型及表示方法

结合现行褶皱分类,从褶皱的轴面产状、轴线产状及两翼岩层切平面法线的夹角来分析褶皱的形态,提出了用像晶面符号一样的表示形式,来进行褶皱分类的新方案。新方案可较直观地表示出褶皱形态的几何意义,具有见其名而知其形的效果。     

高陡边坡危石的岩体结构特征识别及滚石运动特征预测

由于坡高峻陡,隐蔽性强等特点,高陡边坡危石的准确识别一直面临较大难题。作者利用无人机航摄、Agisoft PhotoScan等技术,建立高陡岩体的实景模型和三维信息数据。基于不共线的三点确定一个平面的原理,运用Visual Basic语言编写完成结构面产状计算程序。从而形成了准确识别岩体结构面并快速大量提取点云数据进行岩体结构面几何特征计算的方法,并选择浙江省神仙居景区某典型岩体结构边坡进行了应用分析。在确定危石之后,借助滚石运动模拟软件,对危石失稳后的运动特征进行了预测分析。结果表明：A-D处若发生滚落均会砸在游步道上,对游人生命安全构成严重威胁,建议尽快采取相应工程措施以降低风险水平。     

联合SVM和HMM的水上/水下导航场景感知模型构建

导航场景感知是智能化PNT的重要特征,更是实现多场景无缝导航定位的基础。本文聚焦水上/水下导航场景,考虑电磁波的衰减程度差异将其细分为水上、浅水、深水3类场景,利用支持向量机(support vector machine, SVM)进行场景分类与识别,在此基础上,引入隐马尔可夫模型(hidden Markov model, HMM)表达导航场景切换,进一步提升场景识别可靠性。本文分别构建了基于结果联合(SVM-HMM1)及基于概率联合(SVM-HMM2)的水上/水下导航场景感知模型。实测分析表明,两种模型能够实现高精度场景感知,SVM-HMM1与SVM-HMM2识别准确率分别为91.36%与95.11%;与单一的HMM和SVM模型相比,联合模型在结果分类与识别上更为稳定,准确率提升约为0.95%～8.46%。