海草床鱼类群落结构的时空变化及其在热带海草床中的育幼

本文以印尼北苏拉威西东部的潟湖为对象,研究了热带海草床鱼类群落的种类组成和时空变化。研究发现当地鱼类的香农-威纳指数在1.57-3.69之间多样性相对较高。在科水平,天竺鲷科的丰度（8.27 ind./（100 m²））和生物量（28.49 g/（100 m²））最高。在物种水平,侧带天竺鲷（Apogon lateralis）的丰度最高,环纹圆天竺鲷（Sphaeramia orbicularis）的生物量最大。对于物种的空间变化,潟湖湖顶、湖中和湖口首先聚类在一起,这可能是由于基质类型引起的。干季和湿季的鱼类种类、丰度和生物量均比转换季高,这可能是由较强的季风造成的,强季风为鱼类提供了更适宜的环境和食物。93.1%的鱼类的最大体长小于它们的性成熟体长,暗示了海草床是很多鱼类的育幼场。因此,保护海草床对渔业和资源的可持续利用至关重要。     

鄂尔多斯西缘北段的地壳结构和块体间变形关系

本文对喜马拉雅计划二期部分台站的远震波形数据进行接收函数提取,利用接收函数共转换点叠加方法获得阿拉善地块、鄂尔多斯地块以及银川—河套盆地下方0~80 km深度的速度间断面结构.结果表明：鄂尔多斯地块成层性好,地壳厚度为38~42 km,康拉德界面为18~22 km,阿拉善地区的Moho面深度为38~45 km.河套盆地地壳厚度约52 km,银川断陷盆地和贺兰山下方的Moho面最深为~55 km.鄂尔多斯西缘构造边界下方Moho面变化明显,且黄河断裂为深大断裂直接切割莫霍界面.根据本文的间断面成像结果我们进一步确定阿拉善地块与鄂尔多斯地块分属不同的大地构造单元.与此同时,我们推测贺兰山以西70~80 km范围内和鄂尔多斯地块西缘北段存在地壳增厚变形的可能.

     

SH波入射时多个半圆形沉积谷地附近浅埋圆形孔洞的动力分析

本文采用辅助函数的思想,利用复变函数和多级坐标的方法给出了SH波入射条件下多个半圆形沉积谷地附近浅埋圆形孔洞动力分析问题的解答。将整个求解区域分割成两部分来处理,区域I为多个半圆形沉积谷地,区域II为浅埋圆形孔洞附近带半圆形凹陷的半无限弹性空间。在区域I和II中分别构造位移解,并在二个区域的“公共边界”上实施位移应力的连续条件,建立求解该问题的无穷代数方程组。最后,本文给出了算例和数值结果,并对其进行了讨论。     

基于集合预报的中国极端强降水预报方法研究

极端强降水天气属于小概率事件,其发生具有很多不确定的因素,预报难度很大。根据Anderson-Darling检验原理研究基于集合预报资料的极端强降水天气预报方法,利用2007—2010年中国T213集合预报资料和2001—2010年6—8月中国降水观测资料,分析观测与集合预报累积概率密度分布函数的特征,建立基于集合预报与模式历史预报累积概率密度分布函数连续差异的数学模型——极端降水天气预报指数(EPFI),并对2011年7月中国极端强降水天气进行预报试验。结果表明,极端降水天气预报指数可以充分利用集合降水累积概率密度分布的尾端信息,为极端强降水提供科学合理的预报,基于中国气象局(CMA) T213集合预报的极端降水天气预报指数可提前3—7 d发出极端强降水预警信号,随着预报时效的延长,预报技巧逐渐降低。研究还表明,模式气候累积概率分布的合理性将直接影响极端强降水天气识别能力。     

基于随机补片和DeepLabV3+的建筑物遥感图像变化检测

为有效解决传统遥感图像变化检测预处理复杂的问题,提出一种基于随机补片和DeepLabV3+的建筑物遥感图像变化检测方法。以ResNet50特征提取网络为基础,创建DeepLabV3+语义分割网络,并在图像和标签中创建大小为224像素×224像素的随机补片作为网络输入,训练建筑物提取网络;修改建筑物提取网络输入层为6通道,通过矩阵运算将两期遥感图像转换为一幅6通道非RGB图像,利用转换后的非RGB图像进行网络训练并验证变化检测精度。实验1利用ENVI5.3软件,采用马氏距离法进行变化检测;实验2采用改进的U-Net网络和随机补片,完成网络训练和精度验证;实验3使用实验2的训练数据和验证数据,采用随机补片和DeepLabV3+网络进行变化检测网络训练及精度验证。实验结果表明,该方法实验1、实验2、实验3建筑物变化检测平均交并比分别为24.43%、83.14%、89.90%,边界轮廓匹配分数分别为61.47%,80.24%、96.51%。     

Sea Level Prediction in the Yellow Sea From Satellite Altimetry With a Combined Least Squares-Neural Network Approach

Accessible high-quality observation datasets and proper modeling process are critically required to accurately predict sea level rise in coastal areas. This study focuses on developing and validating a combined least squares-neural network approach applicable to the short-term prediction of sea level variations in the Yellow Sea, where the periodic terms and linear trend of sea level change are fitted and extrapolated using the least squares model, while the prediction of the residual terms is performed by several different types of artificial neural networks. The input and output data used are the sea level anomalies (SLA) time series in the Yellow Sea from 1993 to 2016 derived from ERS-1/2, Topex/Poseidon, Jason-1/2, and Envisat satellite altimetry missions. Tests of different neural network architectures and learning algorithms are performed to assess their applicability for predicting the residuals of SLA time series. Different neural networks satisfactorily provide reliable results and the root mean square errors of the predictions from the proposed combined approach are less than 2?cm and correlation coefficients between the observed and predicted SLA are up to 0.87. Results prove the reliability of the combined least squares-neural network approach on the short-term prediction of sea level variability close to the coast.     

层状饱和场地中圆柱形基础的阻抗函数

本文利用间接边界元法,建立层状饱和场地中三维土-基础动力相互作用模型,研究了孔隙中流体的存在、场地动力特性和圆柱形基础的高度对基础阻抗函数的影响。数值结果表明,孔隙中流体的存在对基础阻抗函数有明显的影响,尤其是水平和竖向分量;场地动力特性也对基础阻抗函数有明显的影响,层状饱和场地中阻抗函数围绕相应均匀半空间结果振荡,且基岩与土层刚度比越大或土层厚度越小,振荡的幅度越大,土层厚度越小,振荡的周期越小;另外,基础高度也对阻抗函数有明显的影响,随基础高度增大,阻抗函数逐渐增大。     

A two-stage time series model for monthly hydrological projections under climate change in the Lim River basin (southeast Europe)

ABSTRACT

Climate change projections of precipitation and temperature suggest that Serbia could be one of the most affected regions in southeastern Europe. To prepare adaptation measures, the impact of climate changes on water resources needs to be assessed. Pilot research is carried out for the Lim River basin, in southeastern Europe, to predict monthly flows under different climate scenarios. For estimation of future water availability, an alternative approach of developing a deterministic-stochastic time series model is chosen. The proposed two-stage time series model consists of several components: trend, long-term periodicity, seasonality and the stochastic component. The latter is based on a transfer function model with two input variables, precipitation and temperature, as climatic drivers. The Nash-Sutcliffe model efficiency for the observed period 1950–2012 is 0.829. The model is applied for the long-term hydrological prediction under the representative concentration pathway (RCP) emissions scenarios for the future time frame 2013–2070.     

边坡稳定分析的神经网络改进模糊点估计法

边坡稳定性分析中,模糊点估计法能同时考虑模糊不确定性和随机不确定性因素。针对传统模糊点估计法计算工作量大的缺点,提出一种神经网络改进模糊点估计法。利用拉丁超立方抽样法和径向基函数神经网络（RBF）建立边坡安全系数的预测模型;对黏聚力和内摩擦角等模糊随机变量取λ截集,并在各截集水平对参数进行组合;利用建立的预测模型对各参数组合的安全系数进行预测;最后由统计矩点估计法计算边坡的可靠度指标。实例分析表明：改进模糊点估计法使用方便、结果可靠,且能通过增加λ截集水平的数目来提高计算精度。对于含有2～4个模糊随机变量的边坡,采用改进模糊点估计法计算可靠度时λ截集水平的数目可近似取25。     

福建强震台网数据记录系统简介

本文概要介绍了强震仪主要技术参数、强震台网计算机系统及强震记录情况。