贵州洞穴空间格局及影响因素分析

以贵州水文地质图和地形图为基础,利用ArcGIS对境内近5000个洞穴洞口海拔、经纬度提取及所在地层、岩性、水系、构造划分,并运用最邻近指数、空间分析与耦合分析处理,研究了贵州全省4960个洞穴的分布特征,探讨了洞穴空间格局与地理要素之间的关系。通过对贵州洞穴进行点格局分析,得出最近邻指数为0.53,泰森多边形检验其变异系数达72.469%,符合凝聚分布模式;并采用点密度函数将全省洞穴划分为4个集聚区和1个弱影响区,即遵义—铜仁强影响区、毕节强影响区、黔西南—六盘水强影响区、贵阳—安顺—黔南强影响区和黔东南弱影响区。其中贵阳—安顺—黔南强影响区是洞穴最主要的分布区,占全省洞穴总量的36.63%,该影响区面积占全省面积的24.67%。贵州洞穴分布呈西密东疏的分布特征,形成明显的“片状”格局。在其研究背景下,地层、岩性、构造、气候、水文、海拔等因素主要制约洞穴的分布、数量、空间格局及其发育。     

英国约克郡地区的喀斯特景观、土地利用与科研专用区

英国约克郡地区的冰川喀斯特以台地－谷地两大单元、地表─地下两大结构为特征。景观价值的多样性和地产权的多属性决定了土地的多功能、开发的多目的和利用的多层次。现代各种自然保护用地、养羊养牛业为主的畜牧用地和开采石灰石为主的采矿用地等在约克郡国家公园内虽有机地融为一体,但对喀斯特科研专用区（ＫＳＳＳＩ）构成威胁。最大的潜在威胁是采矿,其次是农业和各种教育、探险和旅游活动。因此,在确定喀斯特科研保护价值的基础上,应根据国家公园管理政策的特殊性,通过土地购买、设施配置、区界调整、接近控制和管理分区等措施对ＫＳＳＳＩ进行有效的保护与管理。      

“组合法“DEM生成软件的研究

本文提出利用“组合法”生成ＤＥＭ,并将其生成结果与其它算法进行比较。     

湖北省1998年6～8月降水特征分析

根据湖北省各县（市）气象台站１９９８年６～８月逐日降水资料,分析了这一时段该地降水的基本特征,在此基础上,采用谱分析和小波分析方法,研究了降水的主要周期和变化规律,并通过相关函数的分析,讨论了降水的空间自由相关性,结果表明,１９９８年６～８月湖北少南部的雨量是自１９５１年以来历史同期最多的年份之一,且暴雨日数是历史多年平均的２～３倍,鄂西南的降水存在明显的准双周振荡,而鄂东南的降水以３０～６０天的     

1998年汛期湖北省大暴雨过程干线空间分布特征

分析１９９８年汛期湖北省区域性大暴雨过程,选取地面、８５０ｈＰａ、７００ｈＰａ、５００ｈＰａ各层温度露点差（Ｔ－Ｔｄ）资料,统计露点锋（干线）的空间分布。结果表明,干线与大暴雨过程关系密切,在５００ｈＰａ上的反映更明显。     

地球化学探矿方法在莺子山地区地质找矿中应用

通过在江苏莺子山区开展地球化学探帮法寻找硫铁矿的研究,认为Ｓ、Ｐ、Ｍｏ可以作为地球球化找矿的指示元素,确定了三个指示元素的背景值及异常下限,采用“异常下限法”圈定出龙王山、和尚岘,龙庵凹,竹园山等４个地区为寻找硫铁矿的有利地段。     

四川盆地深部地壳结构——深地震反射剖面探测

四川盆地位于扬子地块的西北部,被褶皱构造带所围绕,受周缘构造带的侧向挤压作用,盆地卷入了多期次和多边界的构造变形,为开展盆山耦合作用及多边界、多期次构造叠加与复合关系的研究提供了不可多得的理想野外实验室.为揭示四川盆地地壳结构,本文通过对3条不同时间采集的深地震反射剖面数据进行拼接联线处理,获得跨越四川盆地的330 km深地震反射偏移成果剖面,揭示了四川盆地地壳上地幔细结构:沉积层从西北向东南逐渐变薄,在龙门山前沉积层厚度超过15 km,在华蓥山下沉积层减薄到~8 km,且褶皱变形形成华蓥山薄皮褶皱冲断带;莫霍面出现在13~15 s(双程走时),埋深约40~45 km;并发现从下地壳延伸至地幔的东南向的倾斜反射,从13 s向下延伸至18 s,结合四川盆地及其周边地区其他地球物理和地球化学花岗岩同位素年龄等资料,我们认为这些倾斜反射层是扬子克拉通地台西北缘发生的新元古代俯冲的遗迹.     

基于遗传规划的泥石流多因子融合预测方法

泥石流是一种多发的地质灾害,常对人民生命财产安全带来极大的威胁,其暴发不仅与降雨有关,还与众多地质环境因子相关。本文以流域面积、松散物质比率、沟床平均坡度为地质因子,以最大小时雨强（T）和总降雨量（R）的乘积作为降雨指数,在获取的泥石流地质因子和降雨指数因子综合样本库的基础上,采用遗传规划法建立了泥石流临界降雨指数智能预测模型,克服了以往以雨量为单一指标的预警模型的弊端,模型验证结果显示,泥石流预测精度高、适应性强。     

基于深度学习的太阳F_10.7辐射通量的短期预报研究

F_10.7太阳辐射通量作为输入参数被广泛运用于大气经验模型、电离层模型等空间环境模型,其预报精度直接影响航天器轨道预报精度.采用时间序列法统计了太阳辐射通量F10.7指数和太阳黑子数(SSN)的关系,给出了两者之间的线性关系,在此基础上提出了一种基于长短时记忆神经网络(Long and Short Term Memory,LSTM)的预报方法,方法结合了54 d太阳辐射通量指数和SSN历史数据来对F_10.7进行未来7 d短期预报,并与其他预报方法的预报结果进行了比较,结果表明:(1)所建短期预报7 d方法模型的性能优于美国空间天气预报中心(Space Weather Prediction Center, SWPC)的方法,预测值和观测值的相关系数(CC)达到0.96,同时其均方根误差约为11.62个太阳辐射通量单位(sfu),预报结果的均方根误差(RMSE)低于SWPC,下降约11%;(2)对预测的23、24周太阳活动年结果统计表明,太阳活动高年的第7 d F10.7指数预报平均绝对百分比误差(MAPE)最优可达12.9%以内,低年最优可达2...