徐淮地区上元古界臼齿构造碳酸盐岩事件

臼齿构造是一种发育在中—上元古界中的特殊类型的沉积构造，具有特定的时限。在对徐淮地区上元古界臼齿构造碳酸盐岩旋回层序、岩石学特征和臼齿构造形成环境研究的基础上，探讨了臼齿构造碳酸盐岩的成因。采用旋回层序、海平面变化及臼齿构造碳酸盐岩事件的综合分析方法，划分了徐淮地区上元古界臼齿构造发育的地层层序。臼齿构造主要出现在泥晶灰岩中，而在粗颗粒灰岩中则很少出现，臼齿构造与基质碳酸盐岩在组分和结构上有明显不同，臼齿构造是由纯净的微亮晶方解石组成，而基质则是由含粘土和细粉砂的泥晶碳酸盐岩组成，二者呈突变接触关系。对臼齿构造在层序中相序分布关系的详细研究表明，臼齿构造具有重要的环境意义，从台地内缓坡下部、中缓坡到外缓坡上部均有分布，但在不同环境中臼齿构造的类型不同。     

MODIS陆地气溶胶遥感反演--利用TERRA和AQUA双星MODIS数据协同反演算法

利用卫星数据遥感陆地气溶胶一直是国际上研究的难点与热点.利用新一代传感器MODIS(中分辨率成像光谱仪)数据,DDV(Dark Dense Vegetation)算法反演陆地气溶胶的分布以及性质已经取得了较好的效果.然而,该算法只适用于诸如水体、浓密植被等较低地表反射率区域,大大限制了该算法的实际应用范围,尤其是无法应用于城市等亮地表区域气溶胶的遥感反演.文中提出了基于利用TERRA和AQUA双星MODIS数据的协同反演模型算法(SYNTAM-Synergy of Terra and Aqua MODIS),用以反演陆地气溶胶的光学厚度等信息.该算法实现了地表反射率与气溶胶光学厚度的同时反演,可应用于各种地表反射率类型,包括城市等亮地表区域.通过与国际AERONET的地面观测数据对比做初步的反演验证,结果表明,该算法具有较高的精度,进一步的验证工作还在继续.     

吉辽徐淮地区新元古代地层对比格架

根据层序地层学最大海泛,Sr、C同位素测年,地质事件,生物化石和古地磁资料对吉辽徐淮地区新元古代地层进行了时代界定和对比。研究表明吉辽徐淮地区震旦纪海平面变化趋势基本一致,旋回层序基本上可以对比,其沉积主体除辽南兴民村组和淮北史家组的2个数据小于750Ma之外,相互之间的Sr、C同位素比值对比性很好,沉积时限在750—860Ma之间,为北方青白口系之后的沉积。吉南的八道江组、辽南的十三里台组和徐淮的魏集组可作为三地的对比标志,并提出了新的地层对比方案。     

北京城区及奥林匹克公园热环境遥感动态监测与分析

本文利用MODIS、ASTER和TM等多源、多尺度遥感数据,基于遥感和GIS空间分析技术,从宏观和微观两个层面研究了从2003年到2008年北京城区及奥林匹克公园热岛效应的时空演变,并分析了下垫面(绿地系统、水系统)与热岛效应的关系.研究表明,宏观上,从2003年到2008年,北京城区及奥林匹克公园热岛强度虽然存在一定...     

MODIS陆地气溶胶遥感反演

利用卫星数据遥感陆地气溶胶一直是国际上研究的难点与热点. 利用新一代传感器MODIS(中分辨率成像光谱仪)数据, DDV(Dark Dense Vegetation)算法反演陆地气溶胶的分布以及性质已经取得了较好的效果. 然而, 该算法只适用于诸如水体、浓密植被等较低地表反射率区域, 大大限制了该算法的实际应用范围, 尤其是无法应用于城市等亮地表区域气溶胶的遥感反演. 文中提出了基于利用TERRA和AQUA双星MODIS数据的协同反演模型算法(SYNTAM-Synergy of Terra and Aqua MODIS), 用以反演陆地气溶胶的光学厚度等信息. 该算法实现了地表反射率与气溶胶光学厚度的同时反演, 可应用于各种地表反射率类型, 包括城市等亮地表区域. 通过与国际AERONET的地面观测数据对比做初步的反演验证, 结果表明, 该算法具有较高的精度, 进一步的验证工作还在继续.     

吉林南部震旦纪万隆组与八道江组之间风化壳的发现

以往地质学家认为吉林省南部震旦纪万隆组与上覆八道江组之间是整合接触。笔者经过野外考察和室内研究 ,认为二者应为风化壳不整合接触关系。化学分析显示 ,风化壳泥岩与下伏母岩白云质灰岩相比化学成分发生巨大变化 ,粘土化矿物元素 (SiO2 Al2 O3 )与CaO和LOI的淋失相反 ,从 13.5 7%增加到 5 5 .6 3% ,具明显的风化成土特征。化学蚀变系数 (CIA)和质量迁移系数分析给出了相同的结果 :CIA值达到了 39.4 3% ,Ca元素的质量迁移系数达到 - 0 .97,几乎全部淋失 ,表明化学风化作用明显。综合研究表明 ,该风化壳处于碳酸盐岩风化成土的第二阶段 ,即母岩中“不溶物”在风化过程中逐步堆积形成残积土的阶段 ,为二级层序界面     

感受野约束下轻量化神经网络设计

针对传统网络模型设计中模型感受野与特征图大小不匹配的问题,该文以待识别的建筑物尺度大小作为先验知识辅助构建模型,在充分融合MobileNetV2和DeepLabV3模型优势的基础上,采用空洞卷积和调整卷积步长搭配的策略,通过调整模型最终感受野与建筑物尺度相契合,构建了感受野约束下的Encoder-Decoder结构网络,即RFNet。利用国产高分二号影像长春市区建筑物数据集对该网络进行了测试,结果表明与参数量占优的模型相比,在交并比接近的情况下,该文的模型参数量降低了74.6%;在与未考虑感受野与特征相契合的网络相比,交并比提高了15.24%,表明本文所设计网络模型的有效性。