南极威尔克斯地SGR钻孔处雪冰转化过程中的密度变化特征

本文着重描述了SGR钻孔处冰盖上的积雪在密实化过程中的特征变化,并对该过程进行了分段的和全面的回归分析.结果表明,冰盖密度随深度增大,但增长幅度随深度减小.作者提出密度变化减小度的概念.计算得出的所研究冰芯钻取点的密度变化减小度为-0.15kg/m~3·m~2,粒雪成冰前的密实速率平均值为4.08kg/m~3·a.本文得到的冰盖密度变化“临界点”与以往报道的有所不同.分析这一现象时,作者强调当积雪还在活动层时冰盖温度的影响,并以此解释密度剖面的异常变化以及离差的回升.特别指出,积雪的密度变化具有气候学意义,它在一定程度上能够反映出积雪形成及变化过程中气候变化的某些信息.本文由密度变化确定的钻孔点雪冰转化深度为50米.     

关于南黄海地震区(带)的厘定及其有关的问题

笔者通过对南黄海的地震活动特征分析研究,认为该区的地震活动水平远高于扬州-铜陵地震带,应作为一独立的地震区(带)存在,以利于对该海域的地震研究和监测;并对其地震活动有关的若干问题提出讨论     

鄂尔多斯盆地西峰地区长8砂岩微观非均质性的实验分析

通过真实砂岩微观模型实验,客观地分析了鄂尔多斯盆地西峰地区长8砂岩的微观非均质性特征,发现该区长8储层为致密型砂岩,直观地显示出长8砂岩储层具有很强的微观非均质性,砂岩的成岩作用和孔隙结构是影响鄂尔多斯盆地西峰地区长8砂岩储层微观非均质性的主要原因。在低渗透砂岩中,引起砂岩产生强烈的非均质性,而这些砂岩则形成长8砂岩储层的高渗带。     

徐州土壤多环芳烃的环境地球化学迁移特征

选择江苏徐州黄棕壤进行不同深度层位多环芳烃含量的定量分析,研究并探讨了多环芳烃在土壤深度剖面中的地球化学迁移特征。研究结果显示,多环芳烃在徐州土壤剖面中主要集中在地表0~20 cm内。其中低环多环芳烃化合物的迁移能力较强,4~6环等高环化合物相对较难迁移,主要残留于地表生态系统环境中。     

数字矿床模型研究与系统实现

数字矿床模型(DDM)是传统矿床模型的数字化.本文论述了数字矿床模型的概念,提出了其主要组成结构和建模关键技术.在吸收国内外地质领域专家系统建立的经验基础上,将人工智能技术与地理信息技术(WebGIS)相结合,通过构建矿床模型知识库,建立数字矿床模型推理网络结构,并以斑岩型铜矿为例论述了建立数字矿床模型的系统过程.本文是"十一五"期间国家高技术研究发展(863)计划的阶段成果.     

伊朗地质构造及其区域成矿

伊朗伊斯兰共和国位于中东的最东端,总面积164.6万km2,除南部波斯湾与阿曼湾沿岸为平原和低地外,约90%的国土面积属高原区,平均海拔1 200 m,其中一半以上为山区,从而构成高原与山区相间的地貌景观.     

含硫化物脉状矿床成矿流体的中阶段 δD亏损：实例与原因

很多含硫化物脉状金银矿床的成矿过程可以大致分为3个阶段,从早到晚分别以形成黄铁矿-石英组合、多金属硫化物和碳酸盐网脉为标志.所谓中阶段δD亏损,是指在成矿流体δ18O逐渐降低(或升高)时,中阶段δD同时低于早阶段和晚阶段的δD.列举了一些矿床的氢氧同位素研究结果,例证了这种现象的存在;根据中阶段伴随大量硫化物沉淀的事实,认为硫化物沉淀时流体中H2S或HS-的H 被金属离子置换出来,H 加入到流体系统后导致了流体的中阶段δD亏损.对不同温度H2O-H2S体系1000In ot值的概算显示,在200-650℃温度范围,H2S或HS-的δD低于H2O的δD约211‰～478%‰,H2S或HS-中H 的少量释放即可导致流体水δD的显著降低.因此建议,成矿流体从早到晚δ18O逐渐降低,中阶段δD亏损的规律,可以作为含硫化物脉状矿床氢氧同位素演化的概念性模型.     

BTOPMC模型与新安江模型在史河上游的应用比较研究

介绍了一个由TOPMODEL发展而来的基于栅格的分布式水文模型--BTOPMC模型.选取史河流域黄泥庄水文站以上集水面积为研究区域,在空间分辨率为30秒的数字高程模型数据基础上构建数字流域水系,基于IGBP全球陆面土地覆被数据以及FAO全球数字土壤数据运用BTOPMC模型和新安江模型分别对黄泥庄站1982年到1987年的日径流过程进行模拟.采用模拟与实测洪量比和确定性系数对两个模型的模拟结果进行比较分析.结果表明两个模型都能很好地模拟日径流过程,新安江模型有更好的模拟效果.     

Matlab遗传算法工具GUI率定马斯京根模型参数

本文针对传统及改进马斯京根洪水演算模型,利用简单易行的Matlab遗传算法工具(gatool)GUI进行模型参数最优估计,获得不同优化准则下的模型参数,并进行检验.结果表明用Matlab遗传算法工具GUI优选改进后的马斯京根模型参数,收敛能力强、计算时间短、所得演算流量更接近实际.     

基于BP神经网络的抚河水环境质量评价研究

水环境质量评价中.评价因子和评价等级之间是一种复杂的非线性关系.人工神经网络权重因子可以通过学习自动调节,不需要人为设置权重,能较好的处理复杂的非线性关系.通过构建基于BP(反向传播)算法的人工神经周络模型.对抚河水质进行评价.评价结果与模糊聚类方法得出的结果进行对比可发现,神经网络法可以客现、准确的得出评价等级,同时还可以分析出同一类别河段污染程度的不同,实例证明它是一种较好的水环境质量评价方法.