深海沉积物分类与命名的参数指标和主成分分析

对于南海中部(118个表层沉积物样,水深82~4 420 m)、东部(106个表层沉积物样,水深700~4 508 m)海域的表层沉积物的粒度资料按小于200 m,200~2 000 m,大于2 000 m水深段对水深、平均粒径、黏土含量进行统计分析,结果表明从陆架到陆坡再到深海,平均粒径和黏土含量随水深增加呈非常有规律的变化;把大于2 000 m水深区域再细分为大于2 500 m,大于3 000 m,大于3 500 m,结果表明平均粒径和黏土含量随水深增加几乎无变化,在南海中部水深大于2 000 m海域平均粒径为3.39~3.54μm,黏土平均含量为54.91%~55.47%;在南海东部水深大于2 000 m海域平均粒径为3.25~3.37μm,黏土平均含量为53.91%~54.56%。研究表明2 000 m水深具有划分深海沉积物的指示意义。南海中部水深大于2 000 m海域黏土平均含量为55.19%,平均粒径为3.39μm;在南海东部水深大于2 000 m海域黏土平均含量为53.91%,平均粒径为3.37μm;在南海中部、东部水深大于2 000 m海域平均粒径均小于4μm,黏土平均含量均大于50%,表明深海沉积物粒度特征是平均粒径小于4μm和黏土平均含量大于50%。黏土含量是非生物组分的代表和划分深海沉积物类型的一个独立参数,钙质生物和硅质生物组分是另外两个独立参数。南海东部海域表层沉积物中55种元素总含量为47.50%,硅、铝、钛、钠、钾、磷、钙、镁、铁、锰十种主元素含量为47.03%,其他45种元素含量为0.47%,虽然沉积物来源复杂、成因不同,但沉积物化学主成分并不复杂,主要由前10种主元素和氧元素组成。沉积物主元素铝、钙、硅分别富集于黏土、钙质沉积、硅质沉积中。通过建立沉积物生源组分与碳酸钙、三氧化二铝、二氧化硅的量化关系,可把碳酸钙、生物二氧化硅作为钙质生物和硅质生物的两个替代参数。     

古土壤的分类系统及其在地质学中的应用领域

古土壤是近年来沉积学研究领域的一个热点。古土壤就是形成于过去地貌上的土壤,是暴露在地表的沉积物或岩石经过物理的、生物的和化学的改造形成的,一般形成于很长的地貌稳定期,记录了地层间断或不整合,蕴含着丰富的有关古气候、古植被、古地貌、沉积环境状况的信息,并且是指示地层时代的"化石"。古土壤对恢复地质历史时期古植被与古环境、古气候提供了新的途径,是地层划分、对比的重要标志,并且可用以重建沉积盆地古地貌。古土壤的识别可以根据野外宏观标志、室内微观特征来进行,但是古土壤学家还没有解决古土壤的分类问题,我们对国际上流行的几种古土壤分类方案进行评述,认为古土壤的分类应该根据不同的应用目的采用不同的分类方案,而且在一个分类系统的组名中可采用形容词的组合作为修饰语。     

基于混合分类规则的成像光谱数据分类研究

分类方法的选择对于成像光谱数据的分类精度有着直接影响,然而由于成像光谱数据的特点,使得分类器的选择变得十分困难。提出了一种基于混合分类规则的成像光谱数据分类方法。实验表明,按照该方法进行成像光谱数据的分类处理,可以得到很高精度的分类结果。     

流式影像术在海洋浮游植物分类研究中的应用

海洋浮游植物支撑着海洋生态系统的正常运转,对其种类的定性识别、鉴定和细胞数量的定量分析是海洋科学研究中最为关键的科学问题之一。流式影像术在海洋浮游植物形态特征识别与快速定量检测上是目前先进和可行的方法,它综合了流式细胞术和图像显微识别的技术优点,不但能够对快速流动状态中的海洋浮游植物进行相应的参数检测,而且可以获取流动过程中清晰的图像,通过计算机软件的图像处理和特征筛选,实现海洋浮游植物有效的自动识别。通过对流式影像术的原理、测定方法、技术特点及其发展动态等的综述,认为基于流式影像术对高速运动的浮游植物图像的清晰实时采集,可以有效地对图像进行模式的识别和分类。它是一种理想和实用的方法,将为海洋生物学研究提供新的实时、快速、高效平台,有很好的应用前景。     

海洋浮游藻色素分析和化学分类研究进展

综述了海洋浮游藻色素分析和化学分类研究的最新进展。指出目前以色谱柱串联技术为基础的高分辨高效液相色谱质谱联用已经成为色素分析方法的主要发展趋势。利用此方法对藻类特征色素进行再分析有助于获得对藻类色素分布的新认识。CHEMTAX是在宏观上对浮游藻进行化学分类的良好工具,采用多次运算的方式可以减少其对初始色素比值的依赖,使结果向"真实值"收敛,提高结果的准确性。指出研究以特征色素比值组合为基础的浮游藻精细化学分类方法,以及将以色素分析为基础的浮游藻化学分类应用于了解浮游藻功能类群在生源要素和生物矿物质等的生物地球化学循环过程中的作用是未来的发展趋势。     

基于SOLO分类评价的高中地理开放性问题设计与应用

高中地理课程标准(2017年版)中提出了开展思维结构评价以培养学生地理核心素养。该实施意见在当下标准化测试中未能得到充分体现。在"交通运输布局对区域发展的影响"专题教学中,笔者尝试以传统地理综合题为素材,设计基于SOLO分类评价的开放性问题。并将该问题运用于探究式地理课堂教学中,开展学生学习结果诊断并给出了个性化建议。以期为基于SOLO分类的思维结构评价的广泛开展积累经验。     

基于随机森林的光子计数激光雷达点云滤波

新一代星载激光雷达卫星ICESat-2首次采用了微脉冲光子计数激光雷达技术,由于单光子探测的灵敏性导致数据在大气和地表下层产生了大量噪声,因此对光子计数激光雷达点云数据实现信号和噪声的分离是开展进一步应用研究的前提和基础。本文选择美国俄勒冈州和弗吉尼亚州2个研究区,采用MATLAS数据,根据光子点云数据的特点构造了12个光子点云特征,对所构造的特征利用随机森林进行变量筛选,用机器学习方法对光子点云进行分类,并将建立好的模型推广到整个研究区。研究结果表明,本文构建的分类器分类总精度达到了96.79%,Kappa系数为0.94,平均生产者精度和用户精度分别为97.1%和96.8%。在相对弱噪声、平坦地形区域和强噪声、复杂地形区域都取得较好的分类结果。本文结果显示了基于少量样本通过机器学习的方法构建模型,可以推广到较大范围区域的光子点云分类应用中。     

高分六号遥感卫星新增波段下的树种分类精度分析

高分六号卫星具有覆盖广、多种分辨率、波段多的优势,能为遥感解译提供更丰富的信息。为探究高分六号卫星新增波段在森林树种识别上的应用,本文以覆盖根河市阿龙山林业局的一期高分六号宽幅影像为数据源,基于特征优化空间算法（Feature Space Optimization,FSO）和最大似然分类法,分别利用高分六号的前4个波段和所有波段（8波段）的光谱、纹理等特征进行了森林树种分类,并逐一添加新增波段特征确定了各波段的贡献率排名。结果表明：在加入了优选出的均匀性纹理、均值纹理和角二阶矩纹理3种纹理特征后,前4波段和8波段的分类精度比只基于光谱特征时的精度分别高出13.23%和24.63%;利用8波段信息比只利用前4波段在基于光谱特征上的精度高11.88%,在基于光谱+纹理特征上则高23.24%;基于8波段光谱+纹理特征的树种分类精度最高,达到68.74%,新增4波段的贡献率排名为B6>B5>B8>B7,说明新增红边波段对于本次树种分类试验的贡献率最高,能为北方树种识别提供有效帮助。     

桂林-阳朔地区DEM地形特征与岩性相关性分析及分类研究

地形地貌是岩性解译的重要信息,地形因子作为描述DEM数字曲面几何特征的定量指标参数,可用来定量化表达不同岩性所在地区地形地貌特征。本文以桂林-阳朔地区为研究区,研究地形因子数学、地质意义,建立岩性与地形因子组合间的定量关联,进而实现岩石类型划分。本文基于ASTERGDEM提取坡度、起伏度等12个地形因子,在分析各个地形因子地质意义基础上,通过聚类分析及方差分析的多元统计分析方法,研究各岩性地形因子特性及其关联性,建立研究区岩性之间的定量差异;此外,利用因子分析方法研究岩性分类过程中的主导因素,确定适宜岩性分类方法以实现定量化岩性分类。实验结果表明：不同岩性、不同地形地貌的地形因子（组合）之间具有显著差异,基于因子分析得到的宏观地形复杂度指数（MTI）以及微观曲率指数（MCI）对岩石类型的分类精度达77.36%。研究表明,地形复杂度等地形因子可用于岩性分类,采用因子分析方法可获取反映地形地貌宏观、微观特征的定量指标,且岩性分类效果良好。