山东省土壤有机碳库及其时空变化特征

土壤作为陆地生态系统的重要组成部分,土壤碳储量研究在全球碳循环变化中意义重大。利用山东省多目标区域地球化学调查(2003年)获得的双层网格化大密度、高精度土壤有机碳(SOC)含量数据,估算了全省0～20 cm、0～100 cm及0～160 cm的土壤碳密度和储量,并对SOC密度和储量的时空变化规律及土壤固碳潜力进行研究。结果表明：(1)山东省0～20 cm、0～100 cm和0～160 cm土层SOC密度分别为222 kg/m2、764 kg/m2、1009 kg/m2,各土层SOC密度均明显低于全国平均水平(319 kg/m2、1164 kg/m2和1534 kg/m2);(2)0～20 cm表层SOC密度分布总体呈现为沿海地区低,鲁西北平原、鲁东丘陵中等,鲁中南山区偏高的分布格局;(3)与18年前第二次土壤普查(1985年)数据对比,表层SOC密度从143 kg/m2升高到222 kg/m2,全省陆域(1570万km2)0～20 cm表层SOC储量则由22641 Mt增加至35065 Mt,净增了12424 Mt,SOC密度以0044 kg/(m2·a)的平均速率在土壤中积累,整体表现为“碳汇”效应;据估算,尚有50523 Mt的固碳潜力。     

江西省都昌县山地与平原植被界线提取

由于生长环境、地带性分布规律和垂直差异,山地与平原地区的不同植被类型在遥感影像上存在“同物异谱”及“异物同谱”现象,易导致土地类型的误分。为避免此类错分,在进行土地覆被类型解译之前,应首先确定平原、山地植被的边界。本文在遥感影像聚类分析、GIS空间分析及数理统计分析技术的支持下,以江西省都昌县北部地区为研究区域,基于高分一号（GF-1）遥感卫星影像及地形要素,完成了山地植被与平原植被的界线提取。实验结果显示,本研究得到的植被界线精度高达99.47%和96.28%。与单纯基于遥感影像分类得到的植被边界成果相比,精度提高了近25%和23%。研究证明,高分辨率遥感影像与地形因子结合后,计算得到的山地平原划分界线精度有明显提高,可以满足高分辨率遥感影像土地覆被类型解译研究的需要。     

适于Kirchhoff叠前深度偏移的地震走时李代数积分算法

本文基于拟微分算子理论和李代数积分法,根据程函方程和波场坐标变换,提出一种新的适于横向变速介质Kirchhoff叠前深度偏移的地震波走时算法.该算法与Kirchhoff叠前时间偏移所用李代数时间积分表达相比,差异在于增加了波数一次项,且二次项的系数在求积时亦需进行修正.针对单平方根算子象征、李代数积分、指数映射和走时多项式的求解而言,皆需对以往Kirchhoff叠前时间偏移中所用算法进行深化调整.文中数值算例对比了本文李代数积分表达与时间积分的区别,本算法计算结果与线性横向变速介质中的理论值相当吻合.通过走时多项式中各项对结果的影响分析,可知非对称项使计算精度得到了进一步提高.数值试验表明,本算法对横向变速介质中走时求取是可行的,且不需要存储海量走时表,有利于提高Kirchhof叠前深度偏移的精度和效率.     

1961—2008年阿勒泰地区异常初终霜日变化特征

以小于等于0 ℃最低气温作为霜冻指标,利用1961—2008年阿勒泰地区7个测站的逐日最低气温资料,采用现代气候诊断分析方法,分析了该地区初、终霜日和无霜期的气候变化特征。结果表明：近48 a来阿勒泰大部分地区呈初霜迟、终霜结束的早、无霜期延长的趋势,使作物生长季延长,其中哈巴河表现最为显著;极早初霜日发生频数为2—6次,以富蕴最多,极晚终霜日发生频数为1—4次。各站最迟、最早初霜日的差值和最早、最迟终霜日的差值均在30 d以上;哈巴河霜日发生了气候突变。     

Modelling landscape evolution

Geomorphology is currently in a period of resurgence as we seek to explain the diversity, origins and dynamics of terrain on the Earth and other planets in an era of increased environmental awareness. Yet there is a great deal we still do not know about the physics and chemistry of the processes that weaken rock and transport mass across a planet's surface. Discovering and refining the relevant geomorphic transport functions requires a combination of careful field measurements, lab experiments, and use of longer‐term natural experiments to test current theory and develop new understandings. Landscape evolution models have an important role to play in sharpening our thinking, guiding us toward the right observables, and mapping out the logical consequences of transport laws, both alone and in combination with other salient processes. Improved quantitative characterization of terrain and process, and an ever‐improving theory that describes the continual modification of topography by the many and varied processes that shape it, together with improved observation and qualitative and quantitative modelling of geology, vegetation and erosion processes, will provide insights into the mechanisms that control catchment form and function. This paper reviews landscape theory – in the form of numerical models of drainage basin evolution and the current knowledge gaps and future computing challenges that exist. Copyright © 2010 John Wiley & Sons, Ltd.     

巴丹吉林沙漠湖泊及地下水化学特征

通过对巴丹吉林沙漠丘间湖泊和古日乃、雅布赖、阿拉善右旗等地及其周围浅层地下水离子化学成分分析,探讨了沙漠地区湖水与地下水化学成分特点、水化学类型、空间变化和湖水补给来源。结果显示,巴丹吉林沙漠湖泊水的pH、盐度、TDS和电导率均远远大于地下水。湖水样品中Na⁺和Cl^-含量占绝对优势,大多数盐度较高的湖泊属于Na(K)-Cl-(SO₄) 型,个别盐度较低的微咸湖属于Na-(Mg)-(Ca)-Cl-(SO₄)-(HCO₃) 型。地下水的化学类型多数为Na-(Ca)-(Mg)-Cl-(SO₄)-(HCO₃)型,属微咸水,个别为Na-Cl-SO4型的咸水。沙漠东南部湖群水的pH值、盐度、TDS和电导率比较低,呈微碱性,属微咸湖;而北部湖群水的pH、盐度、TDS和电导率远远大于东南部湖群,呈中等碱性,为盐水湖。湖水离子化学特征显示沙漠东南部湖群自南向北的演化趋势为：微咸湖→咸水湖→盐水湖。湖水离子化学成分短时间序列变化指示,近9 年宝日陶勒盖、巴丹东湖、巴丹西湖、诺尔图、呼和吉林湖水中的大多数离子的含量有所降低,表明其近9 年来淡水补给量增多。湖水化学成分与湖水位高度显示,巴丹吉林沙漠湖群湖水流向是由东南流向西北。水化学成分和水位分布高度表明,该区沙漠湖水主要来自当地降水补给和来自沙漠东南缘雅布赖山和南缘的黑山头山地降水的补给,而来自祁连山区来水补给的可能性很小。     

基于广义回归神经网络的GPS高程转换

为提高GPS高程转换的精度,采用广义回归神经网络(GRNN)进行拟合。将控制点的X、Y坐标作为网络输入,高程异常作为网络输出,采用实验数据训练网络,训练完成的网络作为模型进行高程异常预测。结果表明,GRNN方法具有较高的GPS转换精度。     

利用神经网络建立GPS网络RTK的双差对流层误差模型

为减小对流层误差改正数中系统偏差的影响以提高对流层改正精度,提出了基于神经网络的顾及空间的对流层误差建模模型,该模型的对流层延迟误差改正在网内外精度均达5 cm。     

�������ط���GPS�߳�ת���е�Ӧ��

?????????????????????????У????????????????????Щ???????ù???????????????????α仯??????????????GPS??????????????????????÷????????????????GPS?????????????????????????????     

����GPS���ϼ���ɽվ�����TEC�����о�

????2000??2006?????????GPS?????????о??????????TEC????????????????????????????仯?????????????????GPS??TEC????????????????????????仯???????????????????TEC?仯?????????????????????????????????????????????????