南海陆坡海底峡谷地形复杂度分析方法

地形复杂度指数是描述地形变化程度的综合指标,本文基于南海陆坡北港隆起区的水深网格数据,采用均值变点分析法确定地形起伏度的最佳统计单元,建立计算海底地形复杂度的模型,融合研究区坡度、地形起伏度、地表切割深度和高程变异系数4种地形因子,分析研究区的地形特征和地形复杂度。结果表明,研究区地形起伏度最佳分析窗口大小为19×19网格,最佳统计窗口面积为1.768 9 km2;研究区北部及南部区域地形平坦,地形复杂程度较低,复杂度指数<2.35;中部区域存在规模不同的峡谷,地形复杂程度较高,复杂度指数平均>3.37,其中,中部偏东区域因海底峡谷最为发育,地形复杂度指数可达7.77。研究区地形复杂度的定量分析结果与海蚀作用的强弱程度呈现出较好的正相关性,这对系统开展南海海底峡谷形态特征及演化过程研究、维护海洋工程设施安全等具有重要借鉴意义。     

城市扩张CA模型的参数敏感性分析

以广州市番禺区为研究区,构建了相应的城市扩张CA模型,从采样、邻域结构和微观元胞尺度等方面研究了CA模型的敏感性。首先通过改变模型采样比例、样本各个类别的比例等研究样本对模型参数的影响。然后分析不同的邻域结构与模型模拟精度的关系,并从微观尺度分析邻域元胞对中心元胞的影响。最后从空间尺度上分析CA模型在各种不同分辨率下的模拟结果,用景观指数剖析模拟结果的形态,同时在元胞摩尔邻域内分析其3×3邻域的城市发展密度变化情况。实验表明:(1)适当提高采样比例,会得到精度较高的权重,但训练样本中城市用地的比例应该与城市用地的转变量在全区的占比相匹配。(2)不论是采用摩尔邻域还是冯诺依曼邻域,模拟精度均随着空间尺度的增加而降低。在同一空间尺度下,采用摩尔邻域的模拟结果略好。相比冯诺依曼4个邻域元胞,摩尔邻域中的角点对中心元胞具有更大的影响。(3)随着空间分辨的降低,模拟结果的斑块数、斑块密度、聚集度和分形维度值在减少,结构变得简单,而且在微观的摩尔邻域中城市发展密度正在减少,即由高密度向低密度转换。     

��׼������ϵ֮���ϵ��̽��

???????????????????????????????????????????????????????????????λ?????????????θ????????????????????????????ο??????????????????????????????????????????????????????????????????б???????????????????????????????????????????????????????????????????????????????????????????????????     

耦合遥感观测和元胞自动机的城市扩张模拟

在传统元胞自动机(CA)模型中,静态的模型参数和模型误差不能释放是影响城市扩张模拟效果的两个重要原因。文中引入集合卡尔曼滤波方法到CA模型中,提出了基于联合状态矩阵的地理元胞自动机。该模型在模拟过程中可以通过同化遥感观测数据,动态地调整模型参数和纠正模拟结果,使模型参数能够反映转换规则的时空变化,同时也能较好地释放积累的模型误差。将模型应用于东莞市的城市扩张模拟中,实验结果表明,模型能够准确地调整模型参数使之符合城市发展模式,同时也能有效地控制模型误差,其模拟的空间格局与真实情况吻合。     

Assimilating process context information of cellular automata into change detection for monitoring land use changes

This article presents a new method of assimilating process context information into change detection for monitoring land use changes. The accurate information about land use changes is important for implementing many global and regional environmental models. Two types of models have been independently developed to obtain such information, including change detection models (e.g. pixel-to-pixel comparison, post-classification comparison and object-based change analysis) and simulation models (e.g. cellular automata (CA) and agent-based modelling). These models may have limitations in capturing land use dynamics when used alone. In this study, the ensemble Kalman filter is used to obtain the best estimate of land use changes by combining remote-sensing observations with urban simulation. Urban simulation is able to provide process context information such as diffusion and coalescence of urban development. This type of complementary information is useful for improving the performance of change detection. Compared with traditional change detection models, this integrated model has the potential to improve the performance of change detection in terms of accuracies and landscape metrics. For example, the assimilating (MLC + CA) method can show improvement of the total accuracy and the kappa coefficient by 2.5–5.2% and 3.6–7.4%, respectively, in this study.     

Self-modifying CA model using dual ensemble Kalman filter for simulating urban land-use changes

There are many different methods to calibrate cellular automata (CA) models for better simulation results of urban land-use changes. However, few studies have been reported on combination of parameter update and error control using local data in CA calibration procedures. This paper presents a self-modifying CA model (SM-CA) that uses the dual ensemble Kalman filter (dual EnKF), which enables the CA model to simultaneously update model parameters and simulation results by merging observation data (local data). We applied the proposed model to simulate urban land-use changes in a 13-year period (1993–2005) in Dongguan City, a rapidly urbanizing region in south China. Simulation results indicate that this model yields better simulation results than the conventional logistic-regression CA and decision-tree CA models. For example, the validation is carried out using cross-tabulation matrix. The simulation results of SM-CA have allocation disagreement of 10.18%, 19.64%, and 30.03% in 1997, 2001, and 2005, respectively, which are 2.12%, 2.47%, and 6% lower than conventional logistic-regression CA models.     

小秦岭地区花岗岩体中CO2—H2O包裹体的找矿意义

小秦岭地区与金矿成因有关的燕山期文峪花岗岩及其派生石英脉中发育了非常丰富的ＣＯ２－Ｈ２Ｏ包裹体,其流体为富含ＣＯ２的低盐度（＜１０％ＮａＣｌ）流体,这与含金石英脉内的包裹体类型及金矿成矿流体性质上十分相似。与金矿成因无关的华山岩体内包裹体类型则为水溶液包裹体,流体性质为贫ＣＯ２的低盐度流体。与金矿有关,但其周围矿化很差的娘娘山岩体内ＣＯ２－Ｈ２Ｏ包裹体数量很少。因此,ＣＯ２－Ｈ２Ｏ包裹体可以作为与金矿成因有关的花岗岩体关联程度的判别标志,而ＣＯ２－Ｈ２Ｏ包裹体的丰度可以作为金矿床品位和规模评价及成矿前景展望的依据     

气液包裹体微量气体快速分析

矿物中气液包裹体的气体成分的研究,对了解岩矿的形成条件和利用包裹体气晕寻找盲矿体是有重要意义的。但是由于包裹体中的气体很少,分析方法和分析速度没有很好解决,限制了这方面工作的进展。我们利用国产Sp2305型气相色谱仪为分析主机,将该仪器上的六通阀改造成热爆释气系统。     

海上风电场区位分布的动态演进和影响因素研究

为应对能源安全和气候变化,培育新兴产业,我国大力发展海上风电产业。经过十余年发展,海上风电累计装机总量已跃居全球首位,但在这一过程中,风电场的区位分布表现出显著的时空异质性,即随着时间推移,其经历一个由江苏到福建、广东、山东等地动态演化的过程,研究不同阶段影响区位分布的主导因素及其变化,对政府制定有效政策以促进产业发展具有重要意义。根据国家发布的政策文件以及中国风能协会等公布的数据,本文划分了海上风电发展阶段,采用动态偏离-份额拓展模型来测度产业转移以揭示区位分布的演进;进一步将模糊集定性比较分析法与地理探测器模型结合,从动态的角度分析了产业发展各阶段区位分布的主导因素及其变化,并剖析了增长突出省区市的发展路径及其差异化。研究表明,发展初期,海上风电场区位分布受政府扶持力度和自然因素的影响较多,随着产业发展及技术进步,创新环境与专业人才逐渐成为关键因素,典型的发展路径有政策驱动型、水域-政策驱动型、风能驱动型、创新-知识型、知识-政策驱动型等。进一步加快人才培养、完善产业链条、优化扶持方式应成为推动产业健康持续发展的努力方向。     

江西省地闪特征及其与雷达特征量关系研究

利用2013—2020年3—9月江西省多普勒天气雷达和地闪观测资料,对地闪分布特征及其与雷达主要特征量之间的关系进行统计分析。结果表明：江西省地闪频数从东北到西南逐渐减小,其北部鄱阳湖平原为地闪频数高值区;地闪频数具有明显的季节变化和日变化特征,总地闪频数在16:00达到一天的峰值;地闪频数与低层（3km）雷达回波强度的关系可用对数拟合方程来描述,地闪频数与低层雷达回波面积的变化趋势正相关,回波越强相关性越强,但二者存在位相差,地闪增加先于回波面积增加的情况约占57%～60%,大多数情况下可在18min内发现两者均有增加;箱线图特征显示,随着回波强度增大,地闪发生时的回波伸展高度相应减小,而回波厚度略增大,从而得出不同强度回波的地闪发生格点周围10km半径范围的雷达回波特征。