黄铁矿成因形态学

在1981—1986年野外工作的基础上,作者对胶东三县四个金矿床黄铁矿晶体形态进行了系统研究,对其中2495粒晶体进行了统计,对300粒晶体进行了测角,对60粒晶体进行了微形貌观察。根据以上实际工作及国内外有关资料提出了黄铁矿晶休常见单形出现频率的定量资料与晶体微形貌的特点,特别是{210}面上负条纹的特征与成因探讨。并讨论了黄铁矿晶体形态与分带性,与形成温度,与主、微量成分,与共生组合及与矿化等的关系。查明黄铁矿形态及其晶面微形貌的发育与硫逸度、温度、冷却速度等密切相关。在以上基础上提出了胶东四个金矿床中蚀变岩型金矿及石英脉型金矿两种成因类型黄铁矿形态特征上的五点差异。最后对黄铁矿研究方法要点进行了总结。     

新铺下二台滑坡变形机制及中长期预报模型

以奉节新铺下二台滑坡为例,基于GPS位移监测数据、裂缝数据、降雨量及库水位等多源数据,总结分析了大型古滑坡的复活规律,引入滑坡中长期预报模型,实现了以季度或月份为时间单位的跨水文年滑坡位移预测,并通过岩土体蠕变压缩模型,验证了推移式滑坡后缘裂缝形成机理。结果表明：(1)降雨是下二台滑坡变形的主导因素,滑坡变形使得滑体产生裂缝并成为降雨入渗通道,加剧了岩体破碎与软弱层软化,降低了滑坡稳定性,集中持续降雨可使滑坡失稳破坏;(2)通过模型预测值与地表监测数据的比较,将年降雨量作为滑坡中长期预报模型中的主控因素具有实际可操作性且有助于提高滑坡中长预报精度;(3)推移式滑坡后缘裂缝由滑坡推移式位移和岩土体压缩形成,引入蠕变压缩模型计算的裂缝宽度并和监测数据的比较说明,蠕变压缩模型非常适合该类边坡,同时应用岩土体蠕变压缩模型反推得到岩土体平均变形模量,判断岩体破碎程度,可以为滑坡稳定性分析及后续工程治理提供参考。     

基于点云与影像融合的黄河三角洲互花米草提取方法

针对卫星遥感技术在对滨海湿地互花米草监测时受分辨率、气候条件等多种因素限制存在一定局限性且通过单一的影像数据提取互花米草时精度不稳定的问题,提出了基于无人机点云与影像融合的面向对象互花米草提取方法。以黄河三角洲自然保护区为研究对象,获取了该区域的点云和多光谱影像。先将地面滤波后提取的植被点云与多光谱影像进行特征组合优化,然后对融合影像采用FNEA算法进行多尺度分割后采用基于改进的最近邻算法进行面向对象分类,最终得到的互花米草生产者精度和用户精度分别达到了82.53%和86.43%,较未融合点云的提取精度分别提高了22.34%和7.66%,分类结果的总体精度从89.54%提升至92.61%,且融合点云后影像能够有效区分两种生长状态的互花米草,表明本文提出的方法能够有效提高互花米草的提取精度。     

一种局部最优邻域法向量估算的巷道点云去噪方法

针对三维激光扫描技术在获取巷道内壁点云数据时会包含大量非巷道内壁点，无法快速有效地获取巷道围岩形变信息的问题。该文提出一种基于局部最优邻域法向量估算的巷道点云去噪方法，该方法采用自适应邻域半径的主成分分析算法，提高了点云法向量估算的精度和方向一致性，较好地解决了区域生长算法提取巷道内壁点云时存在的孔洞过多与噪声点云去除不彻底的问题，实现了巷道内壁点云较为完整的获取。通过不同类型的巷道点云数据进行验证，结果表明，该方法能够有效地去除非巷道内壁点云，提高巷道内壁点云获取的精度。     

乌鲁木齐汛期降水集中度和集中期时空变化特征

利用乌鲁木齐5个国家级气象站1978—2019年5—9月逐日降水资料,统计分析逐候降水集中度(P_(CD))和集中期(P_(CP))变化趋势和时空分布特征。结果表明:近42 a乌鲁木齐汛期降水集中度和集中期均呈微弱下降趋势,表明汛期降水分配趋于均匀,降水集中期呈逐渐提前趋势。汛期降水集中度和集中期空间分布差异显著,降水集中程度由西向东逐渐增大,降水集中期出现时间由北向南逐渐推迟。汛期降水集中度在整个研究期内存在6、15 a左右周期变化,降水集中期存在12 a左右周期变化。对多降水年和少降水年降水集中度和集中期合成分析,发现少降水年降水集中程度高于多降水年,而降水集中期明显晚于多降水年。     

乌鲁木齐城区冬季雾的分布特征及其影响因素

基于乌鲁木齐站（城南）和米东站（城北）2016—2020年冬季（11月—次年2月）的雾、雾日最小能见度、逐时能见度和月平均风速、月平均静风频次、月平均相对湿度等资料，利用统计学方法，分析乌鲁木齐城区冬季雾的分布特征,探讨城南和城北雾分布差异的主要影响因素。结果显示：近5 a冬季城南平均雾日44.6 d，少于城北54.2 d，两地均为1月最多，11月最少；雾日平均最小能见度城南和城北分别为335 m和390 m，城南雾总体强于城北；城南雾高发于17时—19时，常在11时和05时消散；城北雾主要在09时和20时—22时开始，大都在14时前后结束；城南和城北的雾均以持续24 h以内为主，分别占比93.5 %和86.3 %，其中持续3 h内的雾分别占37.2 %和33.3 %，城北的雾持续时间总体长于城南。风速较小、静风较多、相对湿度较大和地理环境是城北冬季雾多于城南的主要影响因素。