探索地理信息智能化处理技术

GIS自产生至今30多年来，世界各国都竞相开展GIS技术研究和应用开发，使其得到了迅速的发展，已形成较为完整的理论体系和大批实用系统，并已在社会各专业领域得到广泛应用并产生了巨大效益，目前，开始朝着产业化、集成化、智能化和社会化的方向发展。随着3S技术的集成应用，人们对GIS的运行效率及其深入的应用提出了更高的要求，地理信息智能化处理已成为地图学和GIS建设必须解决的问题，也是GIS发展的必然方向。在地理信息处理中采用人工智能技术，发展智能GIS或者专家GIS，是解决复杂地学问题的重要途径，也是目前GIS最吸引人的一个应用方向。目前在地理信息处理的许多领域都在使用人工智能技术，比如地图模式识别、地理数据的自动分类、地学专家系统、智能GIS、空间数据挖掘等。本文通过对当前地理信息智能化处理技术发展现状的阐述，旨在探索人工智能在地理信息处理中的应用前景。     

内蒙古鲁新井田水文地质条件研究

矿产资源开发导致了地下水失衡,地下水失衡又给矿产开发造成了极大的安全隐患,近年来,矿产资源开发与地下水环境保护之间的矛盾愈发凸显。通过对内蒙古鲁新井田典型的水文地质条件进行分析研究,分析采矿导致地下水失衡机理,深入剖析矿井开采充水条件及矿山开发对地下水环境的影响,合理提出了促进矿产开发与地下水保护相互协调的对策建议,为实现"采矿保水"协调统一提供了基础地质依据。为类似地区矿产开发过程中遵循自然规律,趋利避害,保障生产安全,保护地下水环境安全,实现资源绿色开发有较好的指导借鉴作用。     

当前我国文武人才的地理分布与南北差异

作为一种文化现象，人才的空间分布规律体现着人才与经济、历史及地理环境之间的关联性。本文选取１７０００多名教授和１６００多名将军作文武人才的地理分析。教授工作地集中的地区依次为北京、上海、四川、湖北、辽宁、江苏、陕西、广东、吉林、天津，籍贯集中的地区依次为江苏、浙江、四川、辽宁、广东、湖南、山东、河北、天津，主要流入地区为北京、上海、陕西、吉林、黑龙江、天津，主要流出地区为浙江、江苏、河北、河南、福建、广东、山东。将军籍贯分布集中程度比教授更为突出，主要集中在江西、湖北、湖南、安徽、河南、四川、山东、福建、河北、陕西。如以县计，则集中在江西的兴国、永新、吉安，湖北的红安、大梧，安徽的金寨、六安，河南的新县，前面三县属中央苏区，后面五县属鄂豫皖苏区。工作在南方和北方教授数基本平衡，但籍贯在南方的约为北方的两倍，籍贯在南方的将军数为北方的两倍多。这种格局反映了文化大革命前的人才流向。近十年，人才流向和人才格局发生变化，不仅国内毕业生，而且国外留学人员也被吸引到南方沿海开放地区，为此，需要新的办法和政策。     

利用MODIS/EVI时间序列数据分析干旱对植被的影响

为了分析2006 年四川重庆地区夏季干旱对该地区植被生长的影响, 选取该地区多年中分 辨率成像光谱仪(MODIS)增强植被指数( EVI) 时间序列数据进行研究, 利用时间序列谐波分析 (HANTS) 算法对EVI 数据进行去云处理, 并根据处理后的结果( 重构的EVI 数据以及HANTS 分 析得到相应频率对应的振幅和相位) , 分析干旱对该地区的影响, 同时结合地面气象数据加以补 充说明。将干旱年份和正常年份对比分析, 结果表明, 处理后的EVI 时间序列数据能较好地反映 干旱对地表植被的影响, 振幅和相位的空间分布特征能够很好地反映干旱的影响范围。     

数据驱动的蒸散发遥感反演方法及产品研究进展

蒸散发是水圈、大气圈和生物圈中水分循环和能量交换的纽带。在全球尺度上,蒸散发约占陆地降水总量的60%;作为其能量表达形式,潜热通量约占地表净辐射的80%。随着通量观测技术的发展,全球长期持续的观测数据得以获取和共享,近年来基于数据驱动的蒸散发遥感反演方法取得了较好的研究进展。本文针对数据驱动的蒸散发遥感反演方法和产品,从经验回归、机器学习和数据融合3个方面展开,对现有的研究进展进行了梳理、归纳和总结,并从驱动数据、反演方法、已有产品等方面指出目前仍存在的问题和不足。未来仍需开展数据驱动的高时空分辨率的蒸散发遥感反演方法的研究,有效考虑地表温度和土壤水分等可以指示地表蒸散发短期变化的重要信息,同时加强基于过程驱动的物理模型与数据驱动的模型的结合,使两类模型能互为补充、各自发挥所长,共同推动蒸散发遥感反演研究水平的进步。     

LIDAR技术在海岛礁、滩涂测绘中的应用

LIDAR集激光测距技术、计算机技术、IMU/DGPS技术于一体,是一种崭新的革命性的测量工具,在三维空间信息的实时获取方面产生了重大突破.LIDAR具有自动化程度高、受天气影响小、数据生产周期短、测量精度高等特点,有传统摄影测量和地面常规测量技术无法取代的优越性,为获取高时空分辨率地球空间信息提供了一种全新的技术手段.本文将分析LDAR的技术系统,并以江苏沿海滩涂为例研究LIDAR技术在海岛礁、滩涂测绘中的应用.     

Effects of river damming on biogenic silica turnover: implications for biogeochemical carbon and nutrient cycles

Rivers link terrestrial ecosystems and marine ecosystems, and they transport large amounts of substances into oceans each year, including several forms of silicon (Si), carbon (C), and other nutrients. However, river damming affects the water flow and biogeochemical cycles of Si, C, and other nutrients through biogeochemical interacting processes. In this review, we first summarize the current understanding of the effects of river damming on the processes of biogeochemical Si cycle, especially the source, composition, and recycling process of biogenic silica (BSi). Then, we introduce dam impacts on the cycles of C and some other nutrients. Dissolved silicon in rivers is mainly released from phytolith dissolution and silicate weathering. BSi in suspended matter or sediments in most rivers mainly consists of phytoliths and mainly originates from soil erosion. However, diatom growth and deposition in many reservoirs formed by river interception may significantly increase the contribution of diatom Si to total BSi, and thus significantly influence the biogeochemical Si, C, and nutrient cycles. Yet the turnover of phytoliths and diatoms in different rivers formed by river damming is still poorly quantified. Thus, they should be further investigated to enhance our understanding about the effects of river damming on global biogeochemical Si, C and nutrient cycles.     

基于机器学习的锆石成因分类研究

锆石是在自然界中多种温压条件下能够稳定保存,并记录原岩年龄信息的副矿物。锆石微量元素能完整记录地质演化过程信息。通过微量元素分析锆石成因的研究已久,通常利用Th-U图解和La_N-(Sm/La)_N图解等二元图解对锆石进行分类研究。然而,随着锆石研究的深入,以及二元图解无法呈现数据高维度信息的局限性,传统图解已经不能满足对锆石类型进行准确判别,且对已知类型的锆石出现判定偏差。因此,本文将地质大数据与机器学习相结合,训练出高维度锆石成因分类器。文中收集了3 498条不同成因类型的锆石微量元素数据,并通过测试和运用随机森林、支持向量机、人工神经网络和k近邻等4种机器学习算法,最终得出准确率为86.8%的线性支持向量机锆石成因分类器,用于锆石类型的判定与预测。这项工作为锆石分类研究提供了更高维度的判别手段,极大提高了微量元素分析成因结果的精度。将锆石微量元素数据与机器学习方法相结合,是大数据分析与机器学习技术在地球化学研究中的积极探索。     

Release of heavy metals during weathering of the Lower Cambrian Black Shales in western Hunan,China

Weathering of heavy metal enriched black shales may be one of the most important sources of environmental contamination in areas where black shales are distributed. Heavy metal release during weathering of the Lower Cambrian Black Shales (LCBS) in western Hunan, China, was investigated using traditional geochemical methods and the ICP-MS analytical technique. Concentrations of 16 heavy metals, 8 trace elements and P were measured for samples from selected weathering profiles at the Taiping vanadium ore mine (TP), the Matian phosphorous ore mine (MT), and Taojiang stone-coal mine (TJ). The results show that the bedrock at these three profiles is enriched with Sc, V, Cr, Co, Ni, Cu, Zn, Pb, Th, U, Mo, Cd, Sb, Tl, and P. Based on mass-balance calculation, the percentages of heavy metals released (in % loss) relative to immobile element Nb were estimated. The results show significant rates of release during weathering of: V, Cr, Co, Ni, Cu, Zn, U, Mo, Cd, Sn, Sb, and Tl for the TP profile; Sc, Cr, Mn, Co, Ni, Cu, Zn, Pb, Th, Cd, and Sn for the MT profile; and Sc, Mn, Co, Ni, Zn, Th, Cd, Sn, and Tl for the TJ profile. Among these heavy metals, Co, Ni, Zn, Cd, and Sn show very similar features of release from each of the three weathering profiles. The heavy metals released during weathering may affect the environment (especially topsoil and surface waters) and are possibly related to an observed high incidence of endemic diseases in the area.     

水田SAR后向散射强度及干涉相干特性研究

利用2007-2011年获取的ALOS PALSAR HH极化方式的FBS及FBD共21景数据, 结合实地1:500土地利用分类图, 对苏南无锡惠山试验区进行了水稻田后向散射强度的时间特性试验及干涉相干特性分析。试验结果表明:该区水稻田后向散射强度随生长周期的变化而变化, 且与各生长阶段的灌溉需水规律的变化一致, 需水量越大, 后向散射强度值越小。干涉相干特性试验表明:同期干涉相干系数略高于非同期干涉相干系数, 且在同期干涉试验中, 时间基线相同的情况下, 非水稻种植期的干涉相干系数达到最高, 其值明显高于水稻种植期的相干系数, 该试验结果对苏南地表沉降监测SAR影像干涉对的选取及地物变化检测具有重要的参考价值。