内蒙古大兴安岭东南部土城子组的发现及其意义

通过对研究区地层剖面、接触关系、区域地层对比及同位素测年等资料的研究,将发育于大兴安岭地区原满克头鄂博组下部的一套杂色复成分砾岩、含砾粗砂岩夹火山岩组合的地层厘定为上侏罗统土城子组,与燕辽地区之土城子组有较好的可比性.研究区土城子组的发现,一是填补了研究区土城子组的空白;二是通过对该组形成时代的讨论以及与上覆地层的接触关系研究,为该区与燕辽地区中生代地层划分与对比研究提供了依据,同时为兴安岭地区中生代地质演化研究提供参考.     

浅谈内蒙古大兴安岭地区中南部侏罗系与白垩系之界线

通过对大兴安岭地区侏罗系与白垩系之间不整合面的讨论,以地层区域对比及同位素测年数据等信息确定其界线,达到本区侏罗系与白垩系界线的可识别性、客观性和稳定性之目的.同时,对该区主要地层形成的大地构造环境的研究,认为土城子组是碰撞造山后伸展阶段形成的一套陆相红层,也是侏罗纪结束的标准层;而满克头鄂博组、玛尼吐组和白音高老组则是碰撞造山后垮塌阶段形成的火山地层.以大规模火山爆发为特征,本区开始了白垩纪地壳演化阶段.侏罗系与白垩系界线位于土城子组与满克头鄂博组之间,二者界线以区域不整合（假整合）为特征,不整合面形成于碰撞造山后伸展与垮塌的转换时期.     

基于InSAR和GPS观测数据的尼泊尔地震发震断层特征参数联合反演研究

利用日本ALOS-2和欧空局Sentinel-1A卫星获得的尼泊尔地震同震形变场,结合GPS同震位移数据,联合反演了断层滑动分布特征和空间展布.结果表明:尼泊尔地震的同震形变场主要集中在150km×100km的范围内,且分为南北两个相邻的形变中心,南形变中心的视线向抬升量约为1.2m,北形变中心的视线向沉降量约为0.8m,均位于发震断层上盘.位于形变抬升区的KKN4和NAST两个GPS站,抬升量和南向运动量均达到了m级,而远离震区的其他GPS台水平和垂直观测量均在1cm以内.联合反演得到的断层位错分布主要集中在沿走向150km,沿倾向70km的范围内,最大滑动量为5.59m,平均滑动量为0.94m.断层面倾角在浅部约为7°,随着深度增加,倾角逐渐变大,到垂直深度20km时倾角接近12°;5月12日MW7.2级余震位于主震破裂区的"凹"型滑动缺损区域;主震破裂区的上边界与MBT空间位置十分吻合,主震破裂区主要集中的MBT以北50~60km处,垂直深度为8~9km,倾角为9°,继续向北时主震破裂面以10°~12°的倾角向深延伸,在18~20km可能与MHT交汇.因此,初步判定MBT为此次地震的发震断层.     

遥感聚合图像的快速拓扑矢量化方法

鉴于当前遥感图像矢量化效率普遍不高,提出了一种遥感聚合图像的快速拓扑矢量化方法。该方法对聚合图像中的聚合对象进行唯一性标号,并将这个标号作为属性赋予生成的矢量多边形,通过矢量多边形的标号间映射关系便可以快速建立复杂岛屿多边形的拓扑包含关系。试验表明,该方法能够精确地完成斑块对象边界追踪及复杂岛屿多边形处理,并显著提高矢量化的速度。     

LiDAR点云生成DEM的水面置平方法研究与实现

以LiDAR激光点云数据为基础,分析了水面信息自动识别和置平处理的技术方法,并使用C#语言编程实现,取得了理想的效果,在实际DEM生产过程中得到了很好的应用。     

基于热异常信息与BP神经网络的中强地震预测试验

地震预测是地震科学研究的主要领域之一。震前热异常现象(地表温度异常升高)普遍存在并且与地震三要素有复杂的非线性关系。文中结合神经网络的优点,提出将热异常信息作为地震预测的信息源,通过构建神经网络,进行地震预测的思路,并进行了试验。基于8d合成的1km分辨率的MODIS数据,利用RST算法提取震前热异常信息,在分析震前热异常信息时空变化的基础上,确定出BP神经网络的结构,利用该网络对中国及周边100个5级以上震例,以及70个随机无震样本进行训练和仿真。试验结果表明,通过RST算法提取的震前热异常指数值,用于BP神经网络地震预测是可行的,其预测的试验结果刻画出了地震要素与热异常值间的非线性相关性。未来预测区域范围的选取以及神经网络中隐层神经元的数量将对地震预测效果产生较大的影响。     

comparison of locations of rushan earthquake swarm from large and small network

A notable swarm occurred in Rushan, Shandong Peninsula and its activities continue since Oct. 2013 till now. Up to Sept. 30, 2014, more than 7 000 events have been recorded, in which locatable shocks exceed 2000, and 18 events with M_L≥3.0. The swarm is rarely seen in East China for its extraordinary duration time and surprising high frequency of aftershocks. 18 temporary seismometers have been deployed around the swarm since May 6, 2014, and composed a seismic array for monitoring the swarm activities. Based on data from permanent networks and temporary array, we relocated the earthquake sequence by using hypoDD method. It has been shown that, there is obvious difference between permanent network results and temporary array results. The permanent network of Shandong has a relative large coverage gap(more than 200°)for this swarm. Its location results therefore should not be reliable. There are maybe other errors in the permanent network result due to some problems in the raw data, such as too few stations for most locatable events(3 stations), and relative lower proportion of located events in final result(74.3%, while 95.1% in temporary array result). It can be found by comparing location results from permanent network and temporary array that, using temporary array's data can improve the location accuracy significantly. The results of temporary array are: aftershocks distribution of Rushan swarm is in NWW direction, the dip-direction of fitted fault plane is SW, and the strike and dip angle agree with focal mechanism of the mainshock. Focal depths of aftershocks are at 4.5～8km; the swarm is restricted in a small area about 3km×3km×1km, and has some characteristics such as clustering, staged activities, and etc; the aftershock activities are in accord with crack growth behavior pattern, hence we deduced that there may be fluid intrusion in source area. Finally, we discussed the seismogenic structures and active mechanisms of this swarm combined with relative geologic knowledge. We draw some conclusions as follows: 1)Rushan swarm probably occurred at the boundary of rock bodies of Duogu Mountain and Haiyangsuo super-unit; 2)The seismogenic structure is a blind fault, which should be a part of adjacent Heishankuang-Jilincun Fault, or might be a new fault at rock body boundaries; 3)Rushan swarm might be an evidence for the existence of the disputed Shidao Fault.     

青藏铁路格拉段典型沙害路段风沙地貌专题图编制

随着青藏铁路全线开通,风沙危害已成为影响铁路安全运营的主要环境问题之一。铁路沿线风沙危害路段主要集中在措那湖、沱沱河、北麓河等地。基于高分辨率卫星遥感影像QuickBird数据,通过野外实地勘察,同时参考Google Earth影像和DEM数据,绘制了3个典型沙害路段的风沙地貌专题图,地貌图比例尺为1:50000,采用二级分类系统,一级类为6个,共包含18个二级类。由于青藏铁路地处西风带中部急流区,风力强劲;铁路沿线生态环境脆弱、地表类型复杂,冻融和风蚀时空交错,地表沙物质丰富,风沙活动强烈而频繁,铁路沙害正呈现出迅速增长的态势。鉴于此,很有必要绘制青藏铁路沿线风沙灾害现状及防治措施布局的专题地图,为科学合理地制定青藏铁路沿线风沙危害综合防护体系提供依据。     

黄河三角洲滨海地区植物生长季大气氮沉降动态

利用SCJ-302型降水降尘自动采样器在植物生长季对黄河三角洲滨海湿地的大气氮沉降进行监测,对沉降物中水溶性离子、干、湿沉降氮输入量、铵态氮和硝态氮在总沉降量中的贡献率及月变化动态等分析表明：黄河三角洲植物生长季,大气干、湿沉降中SO₄^2-和NO₃^-占阴离子总量的92%以上,和Na⁺和Ca²⁺占阳离子总量的80%以上,总N沉降量约为2 264.24 mg/m²,且69%集中在降雨量较丰沛的6-8月。其中干沉降氮贡献率约为32.02%,主要集中在春季。N的湿沉降量与降雨量呈显著正线性相关（R²=0.82）,在降雨量丰沛的8月,达到最大值675.64 mg/m²。该地区大气干沉降的氮素形态以硝态氮为主,约占氮素输入量的57.21%,湿沉降中以铵态氮为主,约占氮素输入量的56.51%。植物生长季中,大气沉降中的硝态氮与铵态氮含量对表层10 cm土壤的月平均贡献率分别为约31.38%和20.50%,可见大气氮沉降是黄河三角洲滨海区域土壤主要氮素来源之一。     

向错-位错组合模型模拟渭河盆地地壳水平变形特征

基于向错-位错组合模型模拟渭河盆地内主要断层的滑动与转动运动变形,通过数值计算获得断层滑动及转动变形引起的地表水平位移,并与盆地内实测GPS水平位移进行了对比。结果表明:采用向错-位错组合模型能够完整地描述断层实际的滑动与转动运动变形状态,组合模型模拟断层滑动与转动引起的地表水平位移与实测GPS水平位移,无论在量级或是运动趋势上均具有较好的一致性特征。