地理信息系统的演进与发展

分析了地理信息系统产生和发展的背景、地理信息系统软件体系结构和开发模式的发展变化,并基于开放的思想提出地理信息系统将向以网络服务和网格服务为主要形式的开放式GIS方向发展,以实现地理信息的共享与空间数据互操作以及信息资源共享与协同解决问题.     

山西沁水盆地煤层气成藏的微观动力能条件研究

煤层气成藏的微观动力能条件主要包括煤储层的孔隙—裂隙系统、煤储层的生气作用和储气作用两个方面。以山西沁水盆地为例,深入剖析了煤储层的孔隙—裂隙系统及其发育历程、煤储层的生气作用与能量聚散,阐明了煤层气成藏的微观动力能对成藏效应的控制作用。结果表明:构造作用对储层渗透率具有明显的控制作用,成烃增压致使能量聚集,成为盖层突破作用的主要驱动力,而能量放散则主要是通过煤储层孔隙—裂隙系统的产生、发展。根据上述研究成果,沁水盆地煤层气成藏的地质区划结果为:盆地南部的有利区带为阳城和晋城的北部地区,包括潘庄、樊庄、郑庄等地区;盆地中部的有利区带为安泽—沁源地区,位于盆地西斜坡的中南部;盆地北部的可能有利区带为寿阳东南部地区,位于榆次东北部和阳泉西南部之间。     

河北南部地区资源、环境、发展初析

河北南部地区山前平原区农业气候条件适于夏玉米的生长 ,黑龙港地区适于棉花的生长。本区水资源匮乏 ,地下水超采严重。浅层地下水超采模数为 8.0 1× 1 0 4 m3/( km2 ·a) ,深层地下水为 2 .5 8× 1 0 4 m3/( km2·a)。全区水资源利用的综合边际效益以廊坊市最高 ( 2 6.68元 /t) ,保定市最低 ( 1 4.85元 /t) ,两者之比为 1 .80。区内地下水降落漏斗与地面沉降等环境地质灾害频繁 ,1 998年浅层地下水漏斗区面积为 0 .5 4× 1 0 4 km2 ,深层地下水为 1 .5 9× 1 0 4 km2。地下水、粮食和蔬菜受到农药残留、过量化肥的污染。本区 2 0 1 0水平年外流域调水将占可供水量的 2 3.9% ,但缺水率仍达 36.2 %。若全区通过发展工程节水 (提高综合节水率 3.2 % )、实施适水种植 (冬小麦播种面积下调 7% ) ,利用水分胁迫处理 (减少一次灌溉 )等节水措施 ,则比 1 999年节水 1 7.2 %。     

西安翠华山山崩地质遗迹资源保护

文论述了西安翠华山山崩地质遗迹资源保护的目的，进行了保护分区，将其分为核心保护区、缓冲区和视域保护区三个区，重点分析了核心保护区的保护现状，并在此基础上提出了相应的保护内容和对策，以实现山崩地质遗迹资源的可持续利用和发展。     

Pall型摩擦阻尼支撑内力计算方法

从Pall摩擦阻尼器四连杆机构的几何非线性变形特征出发，分析框架位移、支撑刚度、阻尼器摩擦力、阻尼器大小、支撑倾角、支撑屈曲力等对一种改进的Pall摩擦阻尼器-T形芯板摩擦阻尼器支撑的受力特点，拟合出可供设计人员使用的实用计算公式。     

城市防震减灾信息管理系统之研究

城市防震减灾信息系统是“数字福建”的一个组成内容。该文结合福建省城市防震减灾信息系统的建设工作 ,探讨了地理信息系统与防震减灾数值模型的集成方法 ,论述了城市防震减灾信息系统的结构、内容、功能和组织方式 ,分析了地震风险评估、建筑物易损性评价、生命与财产损失估算、救援与救灾管理调度等模型的集成方法 ,设计了城市防震减灾信息系统。     

电法在探测岩溶上的应用

通过对电法中几种常用方法的分析，说明其在岩溶探测中有效，并提出了七种确定岩溶的方法。     

鄂尔多斯盆地中生代晚期以来大地热流的变化及其对生态环境格局和演变的影响

鄂尔多斯盆地的西北部、东北部和南部三个区域现今大地热流平均值分别为56．3、67．3和65．3mW／m^2，对应的生态环境格局也有明显的差异。研究表明，大地热流每增加4～5mW／m^2可使年均地表温度升高约l℃，使最低月均地表温度升高2。C以上。鄂尔多斯盆地东北部的平均大地热流比西北部高出11mW／m^2，东北部年均地表温度可能比西北部高出2～3℃，其最低月均地表温度可能比西北部高出4～6℃。西北部的大地热流平均值已经低于维持地表生态系统延续所需大地热流的临界值(57mW／m^2)，其自然生态系统整体上已经处于脆弱境地；东北部和南部的大地热流均大于57mW／m^2，自然生态系统均尚较稳健。东北部的沙漠化可能是风沙侵入的结果，其生态应该是可以恢复的。整个西北部作为一个整体看，72万年以前大地热流就已衰减到临界值以下，区域生态系统渐趋脆弱，开始整体上向荒漠化演变。     

高速公路软基加固质量的瑞利波检测与小波分析技术

论述了用瑞利波检测高速公路软基加固的一些主要技术问题,应用新兴的小波分析技术,改善和提高检测的质量,并通过福宁高速公路的实际检测结果,说明了其思路和方法的正确性、实用性.     

Study of statistically correcting model CMAQ-MOS for forecasting regional air quality

Based on analysis of the air pollution observational data at 8 observation sites in Beijing including outer suburbs during the period from September 2004 to March 2005, this paper reveals synchronal and in-phase characteristics in the spatial and temporal variation of air pollutants on a city-proper scale at deferent sites; describes seasonal differences of the pollutant emission influence between the heating and non-heating periods, also significantly local differences of the pollutant emission influence between the urban district and outer suburbs, i.e. the spatial and temporal distribution of air pollutant is closely related with that of the pollutant emission intensity. This study shows that due to complexity of the spatial and temporal distribution of pollution emission sources, the new generation Community Multi-scale Air Quality (CMAQ) model developed by the EPA of USA produced forecasts, as other models did, with a systematic error of significantly lower than observations, albeit the model has better capability than previous models had in predicting the spatial distribution and variation tendency of multi-sort pollutants. The reason might be that the CMAQ adopts average amount of pollutant emission inventory, so that the model is difficult to objectively and finely describe the distribution and variation of pollution emission sources intensity on different spatial and temporal scales in the areas, in which the pollution is to be forecast. In order to correct the systematic prediction error resulting from the average pollutant emission inventory in CMAQ, this study proposes a new way of combining dynamics and statistics and establishes a statistically correcting model CMAQ-MOS for forecasts of regional air quality by utilizing the relationship of CMAQ outputs with corresponding observations, and tests the forecast capability. The investigation of experiments presents that CMAQ-MOS reduces the systematic errors of CMAQ because of the uncertainty of pollution emission inventory and improves the forecast level of air quality. Also this work employed a way of combining point and area forecasting, i.e. taking the products of CMAQ for a center site to forecast air pollution for other sites in vicinity with the scheme of model products "reanalysis" and average over the "area".