Dissolved inorganic carbon (DIC) and its carbon isotopic composition in sediment pore waters from the Shenhu area,northern South China Sea

The Shenhu area is one of the most favorable places for the occurrence of gas hydrates in the northern continental slope of the South China Sea. Pore water samples were collected in two piston cores (SH-A and SH-B) from this area, and the concentrations of sulfate and dissolved inorganic carbon (DIC) and its carbon isotopic composition were measured. The data revealed large DIC variations and very negative δ ¹³C-DIC values. Two reaction zones, 0–3 mbsf and below 3 mbsf, are identified in the sediment system. At site SH-A, the upper zone (0–3 mbsf) shows relatively constant sulfate and DIC concentrations and δ ¹³C-DIC values, possibly due to bioturbation and fluid advection. The lower zone (below 3 mbsf) displays good linear gradients for sulfate and DIC concentrations, and δ ¹³C-DIC values. At site SH-B, both zones show linear gradients, but the decreasing gradients for δ ¹³C-DIC and SO₄ ²⁻ in the lower zone below 3 mbsf are greater than those from the upper zone, 0–3 mbsf. The calculated sulfate-methane interface (SMI) depths of the two cores are 10.0 m and 11.1 m, respectively. The depth profiles of both DIC and δ ¹³C-DIC showed similar characteristics as those in other gas hydrate locations in the world oceans, such as the Blake Ridge. Overall, our results indicate an anaerobic methane oxidation (AMO) process in the sediments with large methane flux from depth in the studied area, which might be linked to the formation of gas hydrates in this area.     

合作原则对大学英语四六级听力测试对话的指导

听力理解在英语四六级考试中占有重要的比例,提高听力水平既是教学的要求也是通过大学英语四六级考试的关键。因此在分析近年来大学英语四六级听力理解对话部分的难点的基础上,提出合作原则及相关理论对解答听力理解对话部分具有指导作用。     

“源-汇”景观格局的热岛效应研究——以武汉市为例

论文基于2017年Landsat 8遥感影像,通过GIS技术选取城市地表温度、源汇景观密度、源汇景观贡献度和景观效应指数,结合地理空间分析和数理统计方法,分析了武汉市局部源汇景观格局对城市地表温度的贡献及其效应。结果表明：① 武汉市城区热岛(urban heat island, UHI)季节变化明显,夏季热岛强度大、范围广,呈“大”字型分布,工业集聚区和经济开发区产生的UHI更显著;② 武汉市城区平均地表温度(land surface temperature, LST)在距市中心约8 km处达到峰值后沿城乡梯度逐渐下降,呈现“倒钩型”特征,这一现象与景观密度变化密切相关;③ LST与源(正向)、汇(负向)景观密度存在极强相关性,不透水表面是城区热岛的主要贡献因子;④ 相同密度的水体和绿地,水体更具有削弱城市热岛效应的功能;⑤ 一般当汇-源景观面积比>0.89(汇区密度>0.47)时,局部景观格局对城市热岛有缓解作用,且局部汇区越集中缓解效果越显著。     

基于共轭梯度搜索的病态问题处理方法

在最小二乘平差准则基础上,把病态平差问题转化为无约束的二次规划问题,并利用优化理论分析病态对平差解的影响。通过共轭梯度搜索算法在可行域中寻找最优步长因子,自动寻找最速下降方向,并给出迭代初值的设置方法。分析近似计算中病态问题与局部最优解的关系,讨论局部最优解的快速迭代方法,并通过实例验证算法的有效性,计算迭代的速度。由于整个过程没有对法方程系数矩阵进行求逆计算,该算法可用于处理大规模系数矩阵高病态的平差问题。     

新世纪版《国家普通地图集》的内容策划与结构设计

新世纪版《国家普通地图集》是国家科技基础性工作专项《国家大地图集》系列编研项目之一,它以相对平衡的程度详细表示了水系、地貌、居民地、交通、境界、土质植被等基础地理要素的空间分布。为了适应生态文明建设和新型城镇化发展的要求,增设了地表覆盖图组和城市图组,构建了普通地图集的新型结构模式,本文主要对地图集的编研理论与内容策划、选题原则与顾及因素、结构设计与图幅编排进行了探讨和研究。     

声速剖面EOF表示的第一模态解析

为实现对声速剖面EOF表示后第一模态时间系数和空间函数变化规律的解析,提出了一种简化的声速剖面变化模型,即"拐点"深度值和声速值的变化;声速梯度的变化和表层海水温度周期性变化所引起的海水声速变化,通过将4种因素所引起的第一模态空间函数的变化规律与实际声速剖面簇第一模态空间函数的变化规律对比,分析引起实测声速剖面变化的主要因素,最后,分别用深海和浅海实测声速剖面数据对其进行验证。     

一种海洋混合层深度的智能识别方法研究

文章提出了一种识别混合层深度的人工智能方法。该方法在温度(密度)与压强(或深度)间建立线性模型, 并且将其系数和方差做成一组表征廓线特征的统计量。初始时为模型设定一个主观的先验分布, 在一个自海表向下移动的窗口内通过贝叶斯链式法则和最小描述长度原理学习新数据, 得到系数均值的最大后验概率估计。用F-检验识别系数发生突变的位置, 以此确定混合层的存在性及其深度。通过2017年2月太平洋海域的地转海洋学实时观测阵(Array for Real-time Geostrophic Oceanography, ARGO)数据进行测试, 并且以质量因子(Quality Index, QI)值作为判断识别混合层深度结果准确性的依据, 发现该方法相比于梯度法、阈值法、混合法、相对变化法、最大角度法和最优线性插值法在识别结果上具备更大的QI值。表明该方法能够准确识别混合层深度。     

北半球热带中太平洋与印度洋海表温度梯度对夏季西北太平洋热带气旋生成频数变化的影响

基于1951—2018年哈德里中心海温资料、美国气象环境预报中心和美国国家大气研究中心再分析资料和第四代欧洲中心汉堡模式, 针对1994年、2018年等西北太平洋热带气旋(TC)生成异常多的年份, 研究了引起TC增加的海表温度异常(SSTA)模态及其影响机制。结果表明, 北半球热带中太平洋增暖与印度洋变冷是夏季西北太平洋TC生成频数增加的主要原因, 北大西洋负三极型式SSTA促使TC生成的进一步增加。热带中太平洋增暖与印度洋冷却在菲律宾以东激发出西风异常和气旋性环流异常。北大西洋负三极型式SSTA在我国南海、菲律宾至东南沿岸激发出气旋性环流异常。前者在西北太平洋中部, 后者在南海产生有利于TC生成的局地环境。1994年和2018年夏季热带中太平洋出现暖SSTA、印度洋为冷SSTA、北大西洋呈现负三极型式SSTA, 西北太平洋TC生成频数极端增多。近30年来, 当出现热带中太平洋增暖和印度洋冷却时, 北大西洋表现出比1989年以前更强的负三极型式SSTA, 使西北太平洋TC生成频数和北半球热带印度洋-太平洋SSTA梯度的线性相关更显著。     

车载激光雷达测量系统整体检校方法

针对目前系统检校常用方法中大多依赖手工提取点时无法准确获得检校点、绝对精度较低、对实际数据的适用性差等问题,该文结合自主研发的车载激光雷达测量系统,提出一种利用带有反射片的特制球形标靶及利用距离阈值插值算法快速、方便且准确地对车载激光雷达测量系统进行外参数检校的方法。结果表明:与传统方法相比,该方法可以完全弥补常规方法中提取的检校点不准确、精度低等缺点,适用性及实用性更强;在绝对精度方面,整体水平精度达到0.05m以下,高程精度达到0.06m以下;在相对精度方面,拟合检校球直径精度达到0.003m以下,距离精度达到0.002m以下,证明该方法的精度、适用性完全满足当前车载激光雷达测量系统检校的精度需求。     

Building a model-based personalised recommendation approach for tourist attractions from geotagged social media data

When travelling, people are accustomed to taking and uploading photos on social media websites, which has led to the accumulation of huge numbers of geotagged photos. Combined with multisource information (e.g. weather, transportation, or textual information), these geotagged photos could help us in constructing user preference profiles at a high level of detail. Therefore, using these geotagged photos, we built a personalised recommendation system to provide attraction recommendations that match a user's preferences. Specifically, we retrieved a geotagged photo collection from the public API for Flickr (Flickr.com) and fetched a large amount of other contextual information to rebuild a user's travel history. We then created a model-based recommendation method with a two-stage architecture that consists of candidate generation (the matching process) and candidate ranking. In the matching process, we used a support vector machine model that was modified for multiclass classification to generate the candidate list. In addition, we used a gradient boosting regression tree to score each candidate and rerank the list. Finally, we evaluated our recommendation results with respect to accuracy and ranking ability. Compared with widely used memory-based methods, our proposed method performs significantly better in the cold-start situation and when mining ‘long-tail’ data.