http://www.sciencedirect.com/science/article/pii/S1674987110000113

<正>Against the current background of global climate change,the study of variations in the soil carbon pool and its controlling factors may aid in the evaluation of soil's role in the mitigation or enhancement of greenhouse gas.This paper studies spatial and temporal variation in the soil carbon pool and their controlling factors in the southern Song-nen Plain in Heilongjiang Province,using soil data collected over two distinct periods by the Multi-purpose Regional Geochemical Survey in 2005—2007, and another soil survey conducted in 1982—1990.The study area is a carbon source of 1479 t/km~2 and in the past 20 years,from the 1980s until 2005.the practical carbon emission from the soil was 0.12 Gt.Temperature,which has been found to be linearly correlated to soil organic carbon,is the dominant climatologic factor controlling soil organic carbon contents.Our study shows that in the relevant area and time period the potential loss of soil organic carbon caused by rising temperatures was 0.10 Gt,the potential soil carbon emission resulting from land-use change was 0.09 Gt,and the combined potential loss of soil carbon(0.19 Gt) caused by warming and land-use change is comparable to that of fossil fuel combustion(0.21 Gt).Due to the time delay in soil carbon pool variation,there is still 0.07 Gt in the potential emission caused by warming and land-use change that will be gradually released in the future.     

一种CORS站高程序列噪声识别算法

针对能量密度谱判断噪声与信号主导模态分界点性能不稳定的问题,该文提出基于夹角余弦的分界点判断方法。该方法首先利用EEMD对CORS站高程数据进行分解,其次计算原始信号与各阶模态分量的夹角余弦值,最后根据夹角余弦值的首次逆向转折位置判定噪声主导模态和信号主导模态的分界点。以4个CORS基准站近20年原始高程时间序列信号为研究对象,对噪声与信号模态分量分界点进行判定,实验结果表明采用基于夹角余弦的判定方法可以一次判断出噪声和信号模态分量的分界点。该方法应用到CORS站高程信号与噪声序列的识别中性能更加稳定。     

上海天文台激光测距站的时频系统

本叙述了上海天台人卫激光测距站的时频系统。随着测距精度的提高，时频系统也要不断地加以改进，包括频率标准和时间同步技术。     

利用HHT-EEMD方法分析云南区域GNSS应变时序孕震信息

地震的孕育和发生本质上都是地壳内部应力、应变能逐渐积累并突然或缓慢释放的结果,研究应变的变化过程对于地震危险性的判定具有重要意义。本文基于云南区域2013—2019年GNSS格网应变时间序列,利用专门适用于非线性非平稳信号处理的热门时频分析方法—整体经验模态分解（ensemble empirical mode decomposition,EEMD）的希尔伯特-黄变换（Hilbert-Huang transform,HHT）分析方法,探索云南区域中强地震前GNSS应变时序的时-频-能量分布特征,尝试挖掘应变时频信号中所携带的孕震信息。利用23号、42号格网对应的地震进行震例分析,结果显示：EEMD具有分频剖面的类似特征,它能够依据数据的时间特征尺度进行信号分解,较好地剖析信号在不同频率尺度上的变化特征;Hilbert变换能够通过瞬时频率、瞬时振幅等方式突出信号的局部瞬时特性,在固有模态分量（intrinsic mode functions,IMF）异常曲线识别无效的情况下仍能凸显异常;通过EEMD、残差趋势项分析、IMF异常识别和Hilbert变换综合动态分析应变时间序列的分析方法,能够在部分地震前夕发现一些潜在异常信息,为未来云南区域强震危险地点的判定提供一定的参考。     

FPGA在时间测量中的应用

利用现场可编程门阵列(FPGA)的内部资源，在FPGA中实现了高精度时间间隔测量系统的设计。     

基于机器学习的土壤温度预估研究综述

土壤温度是地球科学研究中的重要物理量。在陆-气相互作用研究中,土壤温度不仅影响土壤内部的物理、生物、化学过程,而且对陆-气之间能量和物质交换起重要作用。随着可获取的相关数据越来越丰富,机器学习方法已经被越来越多的研究人员引入到土壤温度预估中,在很多任务中已经超过了统计模型、物理模型的性能。本文对比了统计模型、物理模型和机器学习方法这三种土壤温度常用计算方法的异同,简要介绍了应用于土壤温度研究的各类机器学习模型的原理和特点,综合国内外文献归纳了传统机器学习和深度学习在土壤温度空间分布、时间变化和时空变化三方面的研究进展。在土壤温度空间分布研究中,传统机器学习方法能够通过影响因子的空间异质性学习空间特征,并利用站点观测数据计算土壤深处的温度,但随土壤深度增加模型效果减弱,而深度学习模型有能够提取空间特征的结构,但对数据量要求高,当前研究中仅用于地表温度的遥感反演;在土壤温度时间序列研究中,加入了周期性信息的传统机器学习方法具有更好的模型效果,深度学习中的序列学习模型能自动捕捉土壤温度变化规律,结合了非平稳序列分析方法的混合模型能充分考虑土壤温度变化的连续性和周期性;由于陆面过程复杂性,土壤...     

基于动态时间规整的一维土层地震反应分析方法的定量评价

为定量评价一维土层地震反应分析方法的计算加速度反应谱和实测记录之间的差距,收集整理2 418组DEEPSOIL、SHAKE2000、SOILQUAKE和SOILRESPONSE四种一维数值模拟方法的计算加速度反应谱,并以日本KiK-net强震台网的实测记录为基准,验证动态时间规整(Dynamic Time Warping, DTW)算法用于定量评价反应谱差距大小的适用性,对比分析不同场地类别和不同地表峰值加速度(Peak Ground Acceleration, PGA)区间的实测和计算加速度反应谱之间的DTW距离。结果表明：Ⅱ类场地下,PGA小于0.2g时,四种方法的平均DTW距离相差不大,PGA大于0.2g时SOILQUAKE方法的平均DTW距离较小;Ⅲ类场地下,PGA小于0.2g时DEEPSOIL方法的平均DTW距离较小,PGA大于0.2g时SOILRESPONSE方法的平均DTW距离较小;Ⅳ类场地下,PGA小于0.1g时DEEPSOIL方法的平均DTW距离较小,PGA大于0.1g时SOILRESPONSE方法的平均DTW距离较小;不同场地类别下,四种方法的DTW距离均随PGA的...