四川犍为晚侏罗世一新的肉食龙类

记述了四川盆地西南部晚侏罗世上沙溪庙组顶部的中国盗龙型肉食龙类化石材料,并依此建立一新属新种——犍为乐山龙 (Leshansaurus qianweiensis gen. et sp. nov.)。它以上枕骨中嵴呈尖峰状,额骨最大长度与最大宽度之比约2.86,基蝶骨之基翼骨突细长,环椎间椎体马蹄形,背椎横突相当细长,背椎和荐椎神经棘非常薄,荐椎椎体具有明显的腹嵴,肠骨内侧髋臼缘存在一明显的嵴等特征区别于其他肉食龙类。犍为乐山龙是目前所知四川盆地产出层位最高的肉食龙材料,它的发现扩大了肉食龙类的时代分布和地理分布,对探讨肉食龙的演化具有比较重要的意义。     

基于SDP4模型的导航卫星仰角及方位角预报

地面站可控天线可以不借助接收机而直接监测导航卫星的信号质量,地面天线伺服系统根据卫星的实时位置计算出仰角及方位角来确定天线的指向。广播星历及历书等常用的计算卫星位置的方法虽误差较小,但其误差随时间迅速扩大,基于该问题,论文论述了双行星历（TLE）结合SDP4模型进行卫星轨道预报方法,利用SDP4模型计算GPS导航卫星的实时位置并预报卫星的仰角及方位角,采用IGS 事后精密星历对其角度预报误差进行了评估,同时,还将该方法的预报误差与广播星历、历书、STK高精度轨道预报等方法的预报误差进行了对比。实验结果表明：采用SDP4模型对导航卫星进行位置预报可满足误差要求,且时间有效性长、通用性好,具备实际应用价值。     

地震安评中天然地震波选取方法研究

近年来工程场地地震安全性评价工作日趋规范化,安评相关方法与技术也在不断的发展与完善.而超高、超限等复杂结构类型越来越成为城市建筑建设重点,根据《建筑抗震设计规范》要求,此类建筑在抗震设计工作中需要进行时程分析,时程分析输入地震动的选用需考虑与规范反应谱在"统计意义上相符".在总结常用选择方法的基础上,提出一种新的选波思路,即按照安评结果反应谱作为目标反应谱,基于强震记录数据库,利用PEER强震记录数据库及搜索平台,寻找最优匹配天然地震波,作为结构时程分析输入地震波,通过实例对比分析,该方法选取的地震波在结构时程分析中具有良好的适用性.     

史灌河流域水量平衡研究

建立了一个水量平衡模型,并用1998、1999年淮河流域能量和水循环试验(HUBEX)期间获得的史灌河流域(HUBEX水文试验区)加密观测资料来率定模型中的参数.结论表明:(1)水量平衡的要素计算合理;(2)梅山、鲇鱼山、蒋集土壤含水量的平均值系列基本上反映了流域蓄水量的变化过程;(3)流域蓄水量的衰减系数、蒸发能力的折算系数比较稳定,不应通过调整这些系数来实现水量平衡.     

地理学研究进展与前沿领域

现代地理学涵盖自然地理学、人文地理学和地理信息科学，其发展趋势是：相邻学科的交叉、渗透与融合，加强地理学内部的综合研究，地理过程的微观研究进一步深化，结合实践拓宽应用研究领域，实验与研究手段的现代化，理论思维模式的转变。地理学应在陆地表层过程与格局、全球环境变化及其区域响应、自然资源保障与生态环境建设、区域可持续发展及人地系统的机理与调控、地理信息科学和数字地球战略等前沿领域开拓创新，为促进地球系统科学的发展、协调人地关系等做出积极的贡献。     

贵州遵义附近之相对地势

一、引言 表示地貌之方法不下十余种,但以等高线法应用最广。若地图缩尺大於十万分之一,表示之效果,诚无出其右者。惟地图辅尺较小时,则等高线并非最适宜之方法。因缩尺较小之地图,等高线间距必大,局部之地貌改变,常被抹杀。即平原与同山地等最重要之自然地理区划,亦竟不能明显表示。例如我国东南沿海、原多起伏之邱陵,而太原、长安及成都附近,实为广大之平原。但在一般采用     

云南螳螂川流域之地文

第一章 前言 螳螂川位于云南高原中部,上承滇池,下游改名普渡河,北流入金沙江(注一),流域面积约五.五○○余方公里,惟其盘龙江及鸣矣河二大支流之上源,未及攷察,本文论述之范围,仅以滇池、安宁、富民等山间盆地及贯穿其间之螳螂川干流河谷为限,面积约当流域全面积之半·(图一) 滇池位于昆明之南,海拔约一·八八六公尺(注二),为云南第一大湖,寻常洪水位时,面积约三四○方公里,西岸迫近断崖,北东南三面匯纳盘龙     

四川盆地蜥脚类恐龙化石

四川盆地恐龙化石的发掘和研究已有一百余年的历史,发现的恐龙化石共有35个属50个种,其中蜥脚类恐龙化石15属27种,包括在国内外都享有盛名的马门溪龙、峨眉龙、蜀龙、通安龙、珙县龙等,它们对于蜥脚类恐龙的分类、演化研究都具有非常重要的科学价值:蜥脚类尾锤的发现对蜥脚类防卫能力研究提供了重要化石证据;杨氏马门溪龙皮肤印模化石的发现使我们对蜥脚类表皮结构有了新的认识;大量马门溪龙科恐龙化石的发现使我们基本理清了四川盆地长颈型蜥脚类的演化方向。     

基于数值预报和随机森林算法的强对流天气分类预报技术

随机森林算法是当前得到较为广泛应用的机器学习方法之一,有着很高的预测精度,训练结果稳定,泛化能力强,解决多分类问题有明显优势。本文将随机森林算法应用于强对流的潜势预测和分类,分短时强降水、雷暴大风、冰雹和无强对流四种类别,基于2005—2016年NCEP 1°×1°再分析资料计算的对流指数和物理量,开展强对流天气的分类训练、0～12 h预报和检验,经2015—2016年独立测试样本检验表明,针对强对流发生站点的点对点检验,整体误判率为21. 9%,85次强对流过程基本无漏报,模型尤其适用于较大范围强对流天气。随机森林算法筛选的因子物理意义较为明确,和主观预报经验基本相符,模型准确率高,可用于日常业务。     

气象灾害预警信号解读及发布问题探讨-以暴雨为例

该文根据气象灾害预警信号业务技术规范,结合实际业务中存在的问题,以暴雨为例,对气象灾害预警信号发布中涉及的发布标准、发布级别和时间选择、有效时段、后续应对、质量检验、与短时临近预报和决策服务的关系等问题进行了解读及技术性探讨,对于建立规范、严谨的气象灾害预警信号发布业务具有指导意义。