铂族元素的表生地球化学研究进展

基性-超基性岩及黑色页岩等风化过程中铂族元素发生了活化和迁移。铂族元素在岩体附近土壤、植物和水体等表生介质中的迁移富集特征可以用来寻找岩浆型铂族元素矿床。黑色页岩风化过程中，Os的表生迁移对海洋^187Os／^188Os值上升有重要意义。此外，作为重金属元素，机动车铂族元素催化剂在环境中的释放，也会带来潜在的生态环境和人体健康问题。     

川滇地区单断裂强震区与多断裂强震区

以《全国小震目录》(1965年1月1日～2002年lO月31日)和《四川地震台网快报目录》(2002年11月1日～2003年9月30日)为基础资料，研究了川滇地区地震活动性发展变化的主要特征，并提出“单断裂强震区”和“多断裂强震区”概念。发现川滇地区主要单断裂强震区在发生一些强震之后，已经陆续进入地震平静时段，近期发生强震的能力明显减弱。与此同时，“滇西南”、“龙陵-腾冲”、“丽江-武定”地区分别在较短时段内发生多次强震，表明这几个多断裂强震区陆续进入活跃时段，成为1984年以来川滇地区的地震主体活动区域。多断裂强震区具有区内中小断裂汇集、地质构造复杂、地震活跃时段多次出现、在同一活跃时段内又具有活跃小段与小段间距的小段组合形式等特征。对已有的和可能新生的多断裂强震区进行早期判定，以及对活跃时段、小段组合进行动态跟踪，对于川滇地区地震预报具有重要意义。     

“三圈环流”的教学设想

“三圈环流”是在热力环流的基础上，根据风的形成原理而形成的。“三圈环流”既是“大气运动”内容的进一步深化，又是学习“气候的形成和变化”的基础，所以它是本单元的重点和关键。但由于这部分内容的学习，要依赖学生较强的空间概念以及物理知识，而学生的空间想象能力较差，跨学科的知识迁移能力较弱，所以学生对教材内容的理解和掌握存在一定难度。     

基于时频特征的高分辨率遥感图像道路提取

针对传统的遥感图像道路提取算法存在错漏率较高的问题,提出一种基于时频特征提取和域自适应学习分类器的高分辨率航空遥感图像道路提取新算法。首先利用地统计学抽取道路的时域纹理特征和三维小波变换抽取道路的频域光谱特征,构成高分辨率航空图像中的道路特征。然后使用抽取的道路特征训练由迁移支持向量机模型构建的域自适应分类器,并对高分辨率航空遥感图像进行道路粗提取。最后,结合道路形态特征,用数学形态学方法处理粗分类后的道路,获得提取后的完整道路。仿真实验表明,所提方法能有效降低高分辨率航空遥感图像道路提取中非道路目标的干扰,提高道路提取的精确性。     

基于颜色迁移的单极化SAR图像伪彩色增强

本文从颜色信息角度出发,提出了一种基于颜色迁移的单极化SAR图像彩色增强方法。该方法通过伪彩色编码将SAR图像变为过渡彩色图像,运用保持细节的颜色迁移方法在颜色迁移的过程中保留SAR图像的细节信息,用改变各通道系数的方式进行色调调整使得SAR图像与光学图像有着相同的颜色信息,并通过实验证明该方法的有效性。     

迁移学习支持下的高分影像山地滑坡灾害解译模型

无人机低空遥感是近年来新兴的一种快速获取灾情信息的手段,如何利用无人机高分影像构建滑坡灾害解译模型是实现快速自动解译滑坡的关键。针对该问题,对比了多种影像特征提取方法,将迁移学习(TL)特征和支持向量机(SVM)引入到构建滑坡灾害自动解译模型中,提出了一种TL支持下的高分影像滑坡灾害解译模型。选取5·12汶川地震及4·20芦山地震系列无人机影像构建了滑坡灾害样本库并进行了实验,TL特征方法整体分类准确度ACC为95%,ROC达到0.98,识别准确率达到97%。结果表明,所提方法可用于高分影像滑坡自动解译,同时可用于大面积高分影像中快速山地滑坡灾害定位及检测。     

中国城市流动人口户籍迁移意愿的空间格局及影响因素——基于2012年全国流动人口动态监测调查数据

基于2012年全国流动人口动态监测调查数据和相关统计年鉴数据,对中国地级以上城市流动人口的户籍迁移意愿、空间格局及影响因素进行了系统分析。研究发现,中国城市流动人口户籍迁移意愿的整体水平并不高;等级高、规模大的城市流动人口的户籍迁移意愿高,而等级低、规模小的城市流动人口的户籍迁移意愿低;沿海城市群流动人口的户籍迁移意愿高,其他城市流动人口的户籍迁移意愿低,但内陆部分省会城市和交通区位与资源禀赋较好的中小城市也已经形成了一批流动人口的户籍迁移意愿高值区。中国城市流动人口户籍迁移意愿的空间分布特征受到流入城市和流动人口自身双重力量的影响,流入城市因素的正向影响作用大于流动人口自身因素。其中,流入城市的社会、经济发展水平和流动人口在流入城市的社会融合程度是核心要素,对城市流动人口户籍迁移意愿的提升具有正向的促进作用,而流动人口过于集中在次级劳动力市场的就业特征和较高的家庭财富与收入对户籍迁移意愿的提升却具有显著的抑制作用。最后,提出了相关政策启示。     

与A型花岗岩有关锡矿的云英岩化蚀变矿化地球化学:以新疆卡姆斯特和干梁子矿床为例

新疆准噶尔盆地东部卡拉麦里地区发育我国典型的A型花岗岩型锡矿.通过对该区卡姆斯特和干梁子两个锡矿4个矿化蚀变带的岩相学及地球化学研究,发现矿体和致矿岩体是同源岩浆演化的结果,矿体是岩浆分异演化末期向流体演化过程中形成的.矿床的蚀变分带模式可分为两种:（1）（红色）细粒黑云母花岗岩→云英岩化细粒花岗岩→含锡石英脉;（2）细粒黑云母花岗岩→含锡云英岩→含锡石英脉.其蚀变带中岩石的地球化学组分总体迁移规律为:SiO₂迁入,Na₂O、K₂O迁出,Fe₂O₃总体表现为迁入,Th/U值不断降低,表明硅化和碱交代作用贯穿整个成矿过程,成矿环境由碱性向酸性变化,并伴随氧逸度的升高.F、Cl、W、Cu、Bi、In、Pb、Rb、Nb、Ta等元素与成矿元素Sn的迁移、富集和沉淀密切相关,其中F和Cl是迁移过程中最活跃的组分,是Sn元素最大的"搬运工",Sn元素的富集与W、Cu、Bi、In等元素迁移呈正相关,反映流体作用与Sn成矿密切相伴,而与Pb、Rb、Nb、Ta等元素的迁移呈负相关,反映致矿岩体自身元素的稀释和带出,Sn的富集和成矿是在岩浆向流体演化过程中完成的.      

应用陆坡形态-迁移轨迹组合法寻找大型富砂深水扇

在海外选区研究阶段,盆地勘探程度极低,资料贫乏,导致常规深水沉积分析工作很难开展。而陆坡形态与陆坡迁移轨迹富含丰富的地质信息,可借助二者的组合对深水沉积进行宏观分析。以二维地震资料为基础,应用陆坡形态-迁移轨迹组合法寻找大型富砂深水扇的有利发育区。A盆地发育上升型、平直型、下降型三种陆坡迁移轨迹类型,其中平直-下降型迁移轨迹对应的陆坡进积距离更大,更有利于发育大型深水扇沉积;同时A盆地发育上凸型、下凹型、直线型和坡坪型四种陆坡类型,上凸型与下凹型陆坡的坡度更缓,宽度更大,更有利于重力流的砂泥分异,从而形成富砂深水扇沉积。将同一时期的大型、富砂深水扇的有利分布区相叠合,重叠区域即为该时期大型富砂深水扇的有利发育区,主要位于盆地东部拐角带与盆地西部。同时应用组合法还可建立盆地漂移期的沉积演化模式,分析漂移期沉积演化历史。     

基于岩石图像深度学习的岩性自动识别与分类方法

岩石岩性的识别与分类对于地质分析极为重要,采用机器学习的方法建立识别模型进行自动分类是一条新的途径。基于Inception-v3深度卷积神经网络模型,建立了岩石图像集分析的深度学习迁移模型,运用迁移学习方法实现了岩石岩性的自动识别与分类。采用此方法对所采集的173张花岗岩图像、152张千枚岩图像和246张角砾岩图像进行了学习和识别分类研究,通过训练学习建立岩石图像深度学习迁移模型,并分别采用训练集和测试集中的岩石图像对模型进行了检验分析。对于训练集中的岩石图像,每组岩石分别用3张图像测试,三种岩石的岩性分类均正确,且分类概率值均达到90%以上,显示了模型良好的鲁棒性;对于测试集中的岩石图像,每组岩石分别采用9张图像进行识别分析,三种岩石的岩性分类均正确,并且千枚岩组图像分类概率均高于90%,但是花岗岩组2张图像和角砾岩组的1张图像分类概率值不足70%,概率值较其他岩石图像低,推测其原因是训练集中相同模式的岩石图像较少,导致模型的泛化能力减小。为了提高识别精确度,对准确率较低的岩石图像进行截取,分别取其中的3张图像加入训练集进行再训练,增加与测试图像具有相同模式的训练样本;在新的模型中,对3张图像进行二次检验,测试概率值均达到85%以上,说明在数据足够的状况下模型具有良好的学习能力。与传统的机器学习方法相比,所提出的岩石图像深度学习方法具有以下优点:第一,模型通过搜索图像像素点提取物体特征,不需要手动提取待分类物体特征;第二,对于图像像素大小,成像距离及光照要求低;第三,采用适当的训练集可获得较好的识别分类效果,并具有良好鲁棒性和泛化能力。