Spatial and temporal variability of pore‐water pressures in residual soil slopes in a tropical climate

It is critical to understand and quantify the temporal and spatial variability in hillslope hydrological data in order to advance hillslope hydrological studies, evaluate distributed parameter hydrological models, analyse variability in hydrological response of slopes and design efficient field data sampling networks. The spatial and temporal variability of field‐measured pore‐water pressures in three residual soil slopes in Singapore was investigated using geostatistical methods. Parameters of the semivariograms, namely the range, sill and nugget effect, revealed interesting insights into the spatial structure of the temporal situation of pore‐water pressures in the slopes. While informative, mean estimates have been shown to be inadequate for modelling purposes, indicator semivariograms together with mean prediction by kriging provide a better form of model input. Results also indicate that significant temporal and spatial variability in pore‐water pressures exists in the slope profile and thereby induces variability in hydrological response of the slope. Spatial and temporal variability in pore‐water pressure decreases with increasing soil depth. The variability decreases during wet conditions as the slope approaches near saturation and the variability increases with high matric suction development following rainfall periods. Variability in pore‐water pressures is greatest at shallow depths and near the slope crest and is strongly influenced by the combined action of microclimate, vegetation and soil properties. Copyright © 2002 John Wiley & Sons, Ltd.     

连云港近海紫菜养殖区遥感识别、空间变异和驱动分析

为了科学有效地掌握海域使用信息、管理海域权属,为海域资源调查、管理、规划、保护、合理利用提供服务,为违法、违规、违章用海项目得到有效遏制,减少用海矛盾,有必要开展海域使用动态监测,作者以连云港近海为研究区,利用4个时相Landsat遥感影像(2002、2008、2013、2016年)通过面向对象算法提取弱水背景下的紫菜养殖区信息,揭示空间分异规律,并分析其驱动原因。研究结果表明:4期影像提取连云港近海紫菜养殖区信息的精度分别是87.5%、92%、91.7%和94.6%。紫菜养殖区空间分布的变化规律为紫菜养殖面积不断增加且整体向深海方向推进。赣榆港口航运区和田湾核电站特殊利用区存在少量紫菜养殖区,项目用海不符合连云港市海洋功能区划(2016～2020年)。连云港近海紫菜养殖区空间分异的驱动因子主要是自然条件、养殖技术、海洋经济和社会发展四大因素。     

培育志趣，引导学生奔向地球科学大道

随着人类社会和科学技术的发展,尤其是中国国力的提升和教育的深化提高,教育改革,包括地学高等教育的改革,就更需进一步深化,以适应时代发展的需要。文章根据作者长期从事地学教学实践与科研的经历,针对2020年全国基础地质学教学会议关于普通地质学教学改革的精神,概括提出两点体会,一是关于普地教学目标和任务,二是涉及普地教学关键所在,供同行讨论。作者从地球科学基本特征和教学目标出发,提出普地教学的核心价值与重要性,进一步明确普地教学的关键在于教师队伍、教学定位与目标及教学内容与方法等三个方面。普通地质学的教学是地学高等教育中最基础、最关键的环节,其总体目标是提高地学教育的普适性,目的是培育学生的科学志趣,引导学生奔向地球科学大道。     

一次东北冷涡天气过程双偏振雷达降水粒子相态识别

本文利用双偏振天气雷达资料,对2019年6月7-9日辽宁地区一次东北冷涡强对流天气过程进行分析。分析了东北冷涡的演变过程以及双偏振雷达的偏振参量在降水粒子相态识别中的作用,研究了不同判别规则对模糊逻辑算法识别结果的影响。结果表明：双偏振雷达的偏振参量可以对水凝物的种类、空间分布、物理形态进行大致判断,但水凝物相态识别结果仍需细化。模糊逻辑算法在强回波区域的识别结果更准确,采用不同的判别规则得到的水凝物分类结果虽存在一定差异,但在大部分观测区域的分类结果基本一致,符合天气演变规律,能够为气象预报预警提供鉴别参考。具有广泛时间、空间适配性的模糊逻辑算法,仍需大量实测案例数据的验证与仿真。     

Blondel和k-核分解混合算法相结合的网络空间点群要素多尺度模型构建

随着人们对网络空间的依赖性不断增强,互联网技术与网络基础设施规模迅速发展。很难直接用数字或表格的形式对网络空间进行全局的规划与管理,并且不容易发现隐藏在网络空间中的一些关键信息。网络空间点群要素的多尺度模型构建对网络空间数据的多尺度分析和可视化具有非常重要的意义。本文以网络空间的特征为依据,在借鉴基于社团划分的网络空间分层算法和基于节点重要性的网络空间分层算法特点的基础上,提出了Blondel算法和k-核分解的混合算法相结合的网络空间点群要素多尺度模型构建算法。本算法通过自动社团划分,用同一社团内的节点合并构建新的网络,有效解决了基于节点重要性的网络空间分层算法自动化程度低的弊端。利用核心节点来代替整个社团结构,显著保留了网络空间中节点的属性。实验表明使用该算法可以使各个层次网络空间点群要素的综合比例降至30%以下,较好的实现了网络空间点群要素的聚类与分层,若将网络空间点群要素的多尺度模型应用于地理空间中,则可实现网络空间地图的多尺度绘制。     

基于三角网的"种子法"多边形生成

将传统上广泛使用的“种子法”和“矢量求交法”的思想相结合 ,提出了一种基于约束Delaunay三角网结构的多边形生成算法。详细描述了该方法的基本思想 ,在实验基础上分析了算法的特点。     

特征变量选择结合SVM的耕地土壤Hg含量高光谱反演

为探讨应用高光谱数据反演耕地土壤重金属汞(Hg)含量,对原始光谱进行10 nm重采样和SG平滑处理,用不同光谱变换数据与土壤重金属Hg含量进行相关性分析,采用IRIV、Random Frog和PCC提取光谱特征波段,分别建立SVM与GWO-SVM土壤Hg含量高光谱反演模型,获取Hg含量最优反演路径。研究表明,一阶微分变换光谱后土壤光谱特征更明显;上述特征提取方法在不同程度上减少光谱数据冗余,保留有效变量信息;经灰狼算法优化后支持向量机模型反演精度提高,IRIV结合GWO-SVM预测精度更高,其验证集R²为0.894,RMSE为0.082,MAE为0.016。研究成果可为类似土壤重金属含量的反演提供借鉴。     

一种大坝渗透系数分区反演新方法研究

基于人工神经网络的非线性映射特征,在渗流有限元计算的基础上,结合水头和渗流量等实测资料提出了大坝渗透系数的反演方法。为了克服经典神经网络存在的缺陷,提出了模拟退火的交替迭代算法神经网络新方法。在相同的初始条件下,用该新方法和经典网络进行了比较,得出前者的优越性和有效性。同时将该方法用于大坝的渗流反分析,利用反演出的渗透系数进行渗流场计算。数值计算结果表明,这种方法对大坝渗透系数反演问题具有较高的识别精度,反演结果可靠,可以用于实际工程。     

基于浮点遗传算法的近震定位方法

文中介绍了一种适用于基于浮点遗传算法的地震定位问题方法, 在该算法中选用了浮点基因表示方法、 参数和基因取值范围一致来避免编码解码, 提出了算法的动态结束条件及处理方法。 通过实际运算检验证明使用该方法来实现地震定位可以避免地震定位中的不稳定性和对初值的依赖性, 从而保证地震定位的可靠性和稳定性, 在时效方面也达到了相当的水平, 是一个具有实际使用价值的算法。     

基于遗传小波神经网络的海底声学底质识别分类

分割海底声纳探测图像,提取单元特征向量进行主成份分析,选取均值、标准差、对比度、相关系数、能量及同质性作为训练特征向量,构建小波神经网络。利用遗传算法优化小波神经网络的初始权值及小波参数,对砂、礁石、泥3种底质类型分别进行训练,并得到3种底质的测试精度都在90%以上,优于单独利用小波神经网络进行训练时的测试精度,克服了小波神经网络训练时易陷入局部极小的固有缺陷,表明基于遗传算法的小波神经网络可有效用于海底底质声纳图像的识别和分类。