软硬互层金刚石复合片钻头在地浸砂岩型铀矿中的研究及应用

针对近年在巴音戈壁盆地及鄂尔多斯盆地钻探所遇到的复杂地质情况,研究试验了PDC钻头,在地浸砂岩铀矿钻探生产中取得了良好的效果,并制定总结了相应的钻进参数.     

新型小城镇地质环境综合调查服务——以江苏丹阳2016年数据集为例

成果的有效应用服务是城市地质调查工作的核心驱动力,城市地质数据集作为城市地质调查工作的核心成果,是决定城市地质调查研究成果应用服务有效性的关键。中国地质调查局部署开展丹阳小城镇地质环境综合调查试点,本次共完成遥感解译1 047 km²（3期数据）,调查点767个,钻探115个,累计钻探进尺8 720 m（其中第四系孔915 m,水文孔2 366 m,工程孔5 439 m）,采集第四纪地质样品2 904组,地下水样品240组,原状土样1 108组,土壤样2 482组,地下水位统测点70个,抽水试验18组等。查清了丹阳市水文地质、工程地质、地质灾害等分布规律,并围绕丹阳市规划建设对地质工作的实际需求,对各类调查原始数据进行了专项加工,建立了数据集,为丹阳市规划建设提供了良好的支撑服务。文章对数据来源、数据收集方法、处理技术等方面进行了整理和归纳,形成了小城镇地质调查应用服务地质数据集的构建方法,为今后小城镇地质调查和数据集处理及应用提供参考。     

基于矿地融合视角的空间规划管制研究

将地质资源环境调查与空间规划相结合,是规范土地开发行为、规避地质环境风险、有效利用地质资源的重要手段之一。统筹考虑地质调查成果内容和空间管制分区评价需求,应用Meta分析法计算指标权重,提出了一套以空间规划管制分区为切入点的矿地融合空间规划管制方案,并选取苏州中心城区进行了实证分析。结果表明,苏州市区建设用地适宜性较好,较适宜建设区域面积较大,主要分区在工业园区、相城区和吴江区,基本能满足近期规划的需求,从城镇扩展、生态用地保护、中心城区开发边界3个方面提出空间规划管制发展方向,证明未来城市建设应向南北两个方向发展。     

广义极值分布及其在水文中的应用

广义极值分布,包括Ｉ型、Ⅱ型和Ⅲ型,是一套完整的统计分布。以往,由于研究不足,常常只能采用极值Ｉ型分布,使应用受到了限制。本文中,详细地探讨了广义极值分布的统计特性,首次研制了该分布的离均系数表,并给出了水文频率计算中的示例。分析表明,应用广义极值分布,也能得到较好的适线结果。特别是有了离均系数表,对水文频率分析和各类统计计算是十分方便的。     

多维邻近下浙江城市创新网络演化及其机制研究

以浙江90个县级城市（城区）为对象,基于大数据专利文本挖掘析取城市间合作申请专利数,构建创新网络,采用空间网络模型和负二项回归模型分析2007—2017年浙江城市创新网络的网络结构、时空演化及创新合作强度的影响机制。研究发现：① 浙江城市创新网络规模逐渐扩张,“小世界性”显著,通达性较好,整体呈以杭州湾区为核心的“网络局部化、辐射中心化”特征,等级层次性清晰;② 浙江城市创新合作强度与经济规模、教育水平、政策支持、技术势差、城市行政等级、技术邻近性、边界相邻效应显著正相关且受地理距离约束,认知邻近性和制度邻近性与创新合作间分别呈“U”型和倒“U”型曲线关系,网络效应更多在整体网层面上促进了创新合作。在特定省份县级城市层面探讨了如何加强城市创新网络协同效应,以促进地方城市间的创新联系。     

北京防震历史经验与汶川地震灾后城镇选址重建

5.12汶川8.0级地震使灾区蒙受了巨大的生命和财产损失,地震造成的灾害与灾区地质构造有极强的空间相关性。灾区地震历史的分析结果表明,该区域地震格局有明显的时空特征,重灾区灾后重建城镇选址宜多学科联合谨慎规划。康熙18年(1679年)的北京平谷-三河8.0级地震与5.12汶川地震惨烈程度相近,北京地质构造研究与地震时空格局分析具有重大的现实意义,北京城市发展中的防震规划历史经验值得5.12地震灾区在重建与今后发展中借鉴。     

中山市绿色生态小区规划建设研究

在深入解析绿色生态小区实质内涵的基础上，综合评述了中山市绿色生态小区建设在概念理解、小区景观建设、住宅建设经济性及和谐统一等方面存在的主要问题，结合中山近年城市建设发展情况，从提高城市竞争力、提升城市品位和促进“两个适宜”城市发展目标的实现等方面具体分析了中山绿色生态小区建设的实践意义。最后从做好宣传、提高市民意识、推动实施政策等方面提出今后中山绿色生态小区发展之建议，以期促进中山城市的良性运作和健康发展。     

世界文化遗产时空分布及其与人类城市文明的关系

将位于城市中的联合国教科文组织世界文化遗产名单在Google地图上完整体现,全样本统计、分析城市中的世界文化遗产的时空分布特征,试图揭示世界文化遗产与人类文明（尤其是城市文明）发展历程之间的相互关系。实证结果显示：1）被认定的世界文化遗产总数832项,其中417项与人类城市文明发展相关联,多数为城市的历史城区建筑景观;2）从空间上看,反映欧美地区城市文明的世界文化遗产最多,非洲地区最少,这与经济发展水平和城市文明发达程度相关;3）结合时间维度,古代（3500 B.C.―A.D.500）城市中的世界文化遗产主要分布在耕种农业发达的沿河地区以及宗教类遗址所在地;中世纪（A.D.500―A.D.1500）遗产数量的变化见证了中世纪城市文明由初期的式微走向后期复兴活跃的过程,亚洲等区域宫殿类、古典园林类、坛庙等多种类型遗产的出现说明了文明在欧洲之外地区的生长;16世纪至今遗产的数量最多,遗产类型更为丰富,出现殖民城市遗产、军事要塞类遗产、工业遗产以及线性文化遗产,展示了殖民扩张、工业发展过程,以及以线性的方式体现城市历史的动态发展和功能演变;4）从世界文化遗产与城市文明的关系来看,城市中的世界文化遗产反映了人类解决城市问题的智慧,展现了特殊城市深厚的人文艺术底蕴,同时宏观上世界文化遗产基本覆盖了全球人类城市文明的历史进程以及不同区域的人类文明,体现了不同地域的典型特色、文化多样性与发展的延续性。总的来说,在全球化以及我国“一带一路”发展战略的背景下,城市中的世界文化遗产是城市文明的重要载体,未来研究亟需利用更广阔、更多元的视角探讨跨地域、跨国界下的文化遗产保护和发展。     

山东省城镇网络结构与城镇网络角色识别——基于民国时期土货／洋货流通网络的分析

本文运用复杂网络分析方法,基于1932年的山东省城镇间土洋货流通的基础数据,建立了城镇间的关系矩阵,讨论了1932年时山东省城镇间土洋货流通网络的全网结构特征,并识别出网络中的城镇角色和关键链接。研究发现：第一,城镇度符合幂律分布,绝大多数城镇度值较低,少数几个城镇度值较高。网络连通性差,城镇节点度与聚集系数为负相关关...     

Mapping transit‐based access: integrating GIS,routes and schedules

Seabed sediment textural parameters such as mud, sand and gravel content can be useful surrogates for predicting patterns of benthic biodiversity. Multibeam sonar mapping can provide near-complete spatial coverage of high-resolution bathymetry and backscatter data that are useful in predicting sediment parameters. Multibeam acoustic data collected across a ～1000 km² area of the Carnarvon Shelf, Western Australia, were used in a predictive modelling approach to map eight seabed sediment parameters. Four machine learning models were used for the predictive modelling: boosted decision tree, random forest decision tree, support vector machine and generalised regression neural network. The results indicate overall satisfactory statistical performance, especially for %Mud, %Sand, Sorting, Skewness and Mean Grain Size. The study also demonstrates that predictive modelling using the combination of machine learning models has provided the ability to generate prediction uncertainty maps. However, the single models were shown to have overall better prediction performance than the combined models. Another important finding was that choosing an appropriate set of explanatory variables, through a manual feature selection process, was a critical step for optimising model performance. In addition, machine learning models were able to identify important explanatory variables, which are useful in identifying underlying environmental processes and checking predictions against the existing knowledge of the study area. The sediment prediction maps obtained in this study provide reliable coverage of key physical variables that will be incorporated into the analysis of covariance of physical and biological data for this area.