新疆罗布泊45 ka BP以来沉积物粒度敏感组分记录的区域沙尘活动历史

采用粒级标准偏差法对新疆罗布泊新湖湖心区KY01孔0～8 m沉积物提取了对环境变化敏感的两个粒级组分：3.5～6.2 μm(组分1)、20.7～63.4 μm(组分2)和一个相对不敏感组分：8.9～14.3 μm(组分3)。结合湖泊沉积物粒度一般分布规律、黄土和现代降尘等大气悬浮颗粒物沉降特点,推测3个粒度组分分别指示钻孔所在位置与湖心的相对距离、区域沙尘活动强度和非沙尘活动的粉尘输入强度。根据粒级敏感组分2和AMS14C测年数据重建了该区近4.5万年以来的沙尘活动历史。在过去的4.5万年,罗布泊地区沙尘活动增强主要出现在44.7～44.5、44.2～44.0、41.4～38.8、38.4～37.4、36.4～36.1、34.8～34.5、33.5～32.9、32.5～32.2、31.9～31.5、29.9～29.5、25.6～12.3和8.9～7.8 cal ka BP期间,这些时间段多数对应于以格陵兰NGRIP冰心δ18O记录所代表的北半球气候变化冷阶段或冷事件,说明该区沙尘活动的强弱与全球降温事件所引发的冷干气候密切相关。     

末次间冰期我国半干旱盆地Rb、Sr的迁移聚集规律与环境演变——以萨拉乌苏河流域米浪沟湾剖面研究结果为例

萨拉乌苏河流域米浪沟湾剖面末次间冰期层系记录了8.5个有风成的古沙丘砂与河湖相和/或古土壤构成的沉积旋回。该层系Rb、Sr元素含量分布具有明显的规律,主要表现为古沙丘砂中的Rb、Sr含量相对迁移,而在上覆河湖相和/或古土壤中相对聚集,构成末次间冰期的Rb、Sr含量迁移与聚集的8.5个元素旋回。研究表明,由Rb、Sr含量变化构成的这些旋回主要是由干冷暖湿气候波动所致。该地末次间冰期层系由上至下可划分为5个层段,即MS1~MS5。Rb、Sr含量在MS1、MS3、MS5和MS2、MS4分别呈现明显的峰态和不同程度的低谷,揭示出前者与后者分别是受到暖湿和干冷气候影响的阶段。据此,可以将 MS1、MS2、MS3、MS4和MS5依次在气候性质和阶段上可与GRIP冰芯和Sulu 海MIS5a、5b、5c、5d、5e诸亚段进行对比。研究亦表明,河湖相和古土壤Rb/Sr曲线却都不尽是峰态,黄土高原Rb/Sr值的气候意义并不完全适宜说明半干旱盆地或洼地的古环境变化。     

深度神经网络条件随机场高分辨率遥感图像建筑物分割

高分辨率遥感图像建筑物分割的实质是构建一个输入图像到分割结果之间的高维强非线性映射模型。然而,建筑物可能遍布整幅遥感图像,则在语义分割过程中,当前像素点可能与非邻域的像素点存在直接关系。为了更加精确地逼近建筑物分割的真实映射模型,克服道路、建筑物错层和阴影的影响,提高分割精度,本文以深度残差神经网络为基础,构建Encoder-Decoder的深度学习架构,自动提取建筑物的特征,学习建立高维强非线性分割模型;同时,通过条件随机场的成对势函数调节当前像素点与其他像素点之间的关联关系,从而构成全连接条件随机场对Encoder-Decoder的分割结果进行调节,提升分割精度。在全连接条件随机场的计算过程中,采用循环神经网络的运行机制来完成均值场的计算,这将条件随机场与深度神经网络有机融合,实现了Encoder-Decoder和全连接条件随机场参数的同步训练。实验结果表明,本文采用的深度神经网络条件随机场方法能有效克服道路、建筑物错层和阴影的影响,提升高分辨率遥感图像中建筑物的分割精度;同时,在一定范围内对多分辨率遥感图像具有较好的泛化能力。