柴北缘牦牛山地区牦牛山组沉积相组合特征

柴达木盆地北缘牦牛山地区出露的牦牛山组是一套由冲积扇和扇三角洲相共同构成的陆相沉积组合,冲积扇相砾岩-粗砂岩组合主要分布于研究区SE侧,扇三角洲相砂岩-泥岩组合主要分布于研究区NW侧。古水流分析表明牦牛山组沉积物主要来自其SE侧古隆起,但后期扇三角洲相包含少量来自NW和NE向的沉积物。该套沉积组合序列特征与区域上分布在牦牛山西侧同时期形成的湖泊相、滨浅海相沉积共同表明,柴达木盆地北缘在晚志留-早泥盆世时期存在一NW向倾斜的古斜坡,且晚期北侧发生抬升。砾岩和砂岩碎屑组成与区域岩石组合类型对比表明,牦牛山组沉积碎屑物主要来自于滩间山群。沉积组合序列特征、碎屑组成和区域构造背景综合研究表明,牦牛山组可能为柴达木板块向北俯冲过程中形成的局部断陷盆地的充填物。     

微波消解—冷原子荧光光谱法测定植物样品中的汞

为了简化测量植物中汞含量的方法,提高灵敏度及结果的可信度,实验采用微波消解植物样品的办法,使样品经氯化亚锡还原,再用冷原子荧光测定出植物样品中汞的含量。确定了消解样品的方法和微波消解样品的条件,优化了仪器的最佳工作参数。方法检出限0.30×10-9(稀释因子100倍),精密度(n=12)在2.09%~6.05%,加标回收率94.1%~105.5%,方法经生物国家一级标准物质验证方法准确可靠。     

顾及空间尺度效应的城市土地利用变化精细化模拟

城市土地利用变化模拟是优化土地资源配置的科学依据,提高其精细化程度和可靠性有助于准确把握城市用地发展趋势,对城市土地资源精准调控具有重要意义。基于宏观遥感分类的土地利用变化模拟,难以在街区尺度上揭示城市用地社会功能变化及精细化模拟中空间尺度效应来源和作用机理。本文联合遥感影像和POI数据识别出城市土地利用精细化特征,运用响应面法率定土地利用精细化模拟的最优空间尺度组合,在此基础上,利用CA-Markov模型开展了未来土地利用变化的精细化模拟。以武汉市中心城区为应用案例,研究结果表明：基于POI 的城市土地利用精细化识别方法,可以深度解析城市建设用地的社会功能,极大改善了传统基于遥感的土地覆被宏观解译效果;研究区土地利用变化元胞自动机精细化模拟的最优空间尺度组合是30 m元胞、7×7邻域以及冯诺依曼邻域类型,采用最优空间尺度组合能够提高土地利用变化精细化模拟的可靠性。响应面试验设计结果可有效识别精细化模拟过程中空间尺度效应的主要来源,并区分其对模拟精度的影响程度与正负效应;预计到2025年,研究区建设用地范围将继续向周边扩张,各类型用地之间互为交织,土地利用空间格局将呈更加破碎化趋势。     

粤港澳大湾区保险业发展水平时空演变特征及对经济增长的影响

保险业在中国经济发展、转型和产业升级等方面发挥着越来越重要的作用。论文利用粤港澳大湾区2006—2019年的市级面板数据,运用熵权、核密度估计和空间计量等方法,研究粤港澳大湾区保险业发展水平时空特征及其对经济增长的影响,结果表明：① 保险业发展水平综合指数在波动中上升,11个城市保险业发展水平呈现香港、澳门和广州单核领跑大湾区东、中、西部的特征,珠三角9市呈现广州、深圳和珠海单核领跑广佛肇、深莞惠和珠中江三大经济圈的特征;② 11个城市保险业发展水平存在两极分化现象,但高值区与低值区的绝对差异有缩小趋势,低值区城市之间的差距有扩大趋势;③ 保险业发展对本地区经济增长产生了显著的正向影响,在其他影响因素保持不变的情况下,保险业发展水平每提升1%,本地区经济增长0.0538%。保险业发展具有负溢出效应,但未通过显著性检验。研究成果为粤港澳大湾区相关部门制定保险业与经济发展相互促进的产业政策提供了理论依据。     

河北省主要气象灾害时空变化的统计分析

根据1984~2011年河北省气象灾害统计数据和河北省气候影响评价资料,分析了河北省气象灾害灾次和灾情的时空分布特征。研究表明:河北省主要的气象灾害有暴雨洪涝、旱灾、雹灾、风灾和雷灾等5类,5类气象灾害存在明显的时空分布特征。河北省暴雨洪涝主要集中在河北省西北部,灾次比最大值0.038;冰雹灾情主要集中在张家口、承德以及位于太行山东麓的保定西部地区,灾次比最大值为0.027;干旱灾情主要集中在邯郸以及沧州南部,灾次比最大值为0.036;大风灾情主要集中在河北中部,高值中心在唐山北部,灾次比最大值为0.030;雷电灾情主要集中在秦皇岛、张家口以及石家庄,灾次比最大值为0.034。河北省暴雨日数分布与暴雨洪涝灾情分布的不一致表明气象灾害灾情除与致灾因子有关外,还与承灾体脆弱性密切相关。     

An Automated Approach for Land Cover Classification Based on a Fuzzy Supervised Learning Framework

This paper proposes an automatic framework for land cover classification. In majority of published work by various researchers so far, most of the methods need manually mark the label of land cover types. In the proposed framework, all the information, like land cover types and their features, is defined as prior knowledge achieved from land use maps, topographic data, texture data, vegetation’s growth cycle and field data. The land cover classification is treated as an automatically supervised learning procedure, which can be divided into automatic sample selection and fuzzy supervised classification. Once a series of features were extracted from multi-source datasets, spectral matching method is used to determine the degrees of membership of auto-selected pixels, which indicates the probability of the pixel to be distinguished as a specific land cover type. In order to make full use of this probability, a fuzzy support vector machine (SVM) classification method is used to handle samples with membership degrees. This method is applied to Landsat Thematic Mapper (TM) data of two areas located in Northern China. The automatic classification results are compared with visual interpretation. Experimental results show that the proposed method classifies the remote sensing data with a competitive and stable accuracy, and demonstrate that an objective land cover classification result is achievable by combining several advanced machine learning methods.     

几种天绘一号卫星影像分割方法及质量评价

为寻求更适合天绘一号卫星影像的分割方法,文章采用均值偏移分割、分水岭分割、数学形态学分割、连通分量分割4种图像分割方法对天绘一号卫星影像进行分割实验,并从视觉和定量两方面对分割结果进行评估.结果表明:均值偏移方法的分割质量更佳,且分割结果更有利于提升后续处理的效率;几何形态较规则、质地较均一、复杂度较低的地物类型分割质量较高,反之则较低.     

�й���½GPS����Ĺ��켰����ѧ��������Ԫ����

????????й?????????????????????????????????????????????????????????????????????????μ??й?????α? ?????GPS???????????????????????????????:??????????????????10???????й????????????????????????10??GPS?????????????????????;?????????????????????:??????????????????????????,??????????????????????????????????????,??????????????????????黡???????????????????????????,?????????????????????????????????????????????:1)?й?????????????????????????????????????????????????????????????????????????????;2)?Щ????????????????????????????????????й??????????????????     

基于HVCE-RBFNN的矿区地表三维形变监测研究

提出一种融合赫尔默特方差分量估计和径向基函数神经网络(HVCE-RBFNN)的三维形变计算方法,结合GNSS和InSAR监测数据,解算甘肃省金昌市金川西二采矿区的地表三维形变场。结果表明,基于HVCE-RBFNN方法获取的三维形变结果精度高于传统方法,其东西向、南北向和垂直向的均方根误差(RMSE)分别为20.85 mm、7.41 mm和34.47 mm,3个方向的最大形变量分别为228 mm、300 mm和193 mm,采空区形变空间分布符合开采沉陷规律。