利用重测定的震源深度特征探讨2013年吉林前郭5.8级震群发震因素

利用Pn-Pg震相组合的局部搜索法,采用5种地壳速度模型对2013年吉林前郭5.8级地震震群进行震源深度测定。计算结果显示,5种结果的震源深度的主要分布特征相似。对选取的32个地震震源深度进行重新测定,结果最小为6 km,最大14 km,主要集中在10 km左右,系统深度偏差约1.74 km,震源深度分辨率约1.58km,重定位后地震震中优势分布呈北西向。与当地的沉积层厚度分布对比,这些地震最有可能发生在盆地基底的基岩顶层,而不在油气圈闭的沉积盖层内,并且地震震群分布走向与通榆—长春断裂走向相一致。结合该地区的历史地震活动与构造关系,最后推测这些地震与北西向的通榆—长春断裂构造运动密切相关,而不是油田作业的直接产物。     

填土地基强夯加固效果研究

针对回填土地基,通过量纲分析得到强夯加固深度和累积夯沉量的计算公式,结合已有工程资料对所提出的计算公式进行验证。结果表明:该公式能够较为精确地预测填土地基的加固深度与累积夯沉量;分析表明:累积夯沉量与加固深度比值随着诸多要素而变化,仅在确定的落距和夯锤半径范围内的才可以作为常数进行推广;最后分析夯锤半径及厚度对强夯效果的影响。     

青藏高原冬春多源积雪资料年际变化尺度上的适用性分析

青藏高原冬春积雪变化具有显著的年际变化特征,其对中国东部夏季降水预测具有一定指示意义。由于特殊的复杂地形,青藏高原气象站点分布稀疏且不均匀,再分析数据和卫星数据提供的高原积雪资料的不确定性是影响和制约积雪变化及其天气气候效应研究中的一个关键问题。本文基于青藏高原台站观测、再分析（ERA5和NOAA-V3）和卫星反演（MODIS雪盖以及IMS雪盖）的多源积雪资料,采用偏差分析、均方根误差以及相关分析等多元统计方法重点检验了多源高原积雪数据在描述积雪年际变化特征方面的不确定性。通过比较不同积雪资料的时空分布和变化特征,以期提升多源高原积雪资料适用性的认知,并为相关研究提供有意义的参考。分析结果表明：（1）就再分析数据给出的积雪资料而言,ERA5雪深资料相较NOAA-V3雪深,对高原站点观测雪深的描述效果更好。除了高原中东部分站点外,ERA5雪深数据的平均偏差和平均均方根误差均较小,而NOAA-V3雪深数据的平均偏差和均方根误差在整个高原范围内均存在一定程度的高估;（2）再分析（ERA5和NOAA-V3）和卫星反演（MODIS雪盖以及IMS雪盖）积雪数据和高原站点雪深均在年际变化特征上具有较...     

基于深度学习方法的测井岩性识别研究

采用机器学习方法进行自动岩性识别是当下的研究热点,神经网络作为具有代表性的机器学习方法,具有非线性建模能力强、结构灵活以及泛化性强等优点,目前已初步应用于岩性识别问题中。当下神经网络方法在测井岩性解释上的限制因素主要在于数据类别不均衡问题难以解决以及现有模型的可解释性较差。文章讨论了深度神经网络模型在纳岭沟地区铀矿测井解释的岩性分类问题上的应用,通过采用不同结构的模型缓解了类别不均衡对分类结果的影响,并着重分析了模型的层次结构和训练过程,更全面地解释了模型的内在机制和决策逻辑。结果显示,长短时记忆网络能在保持较高训练效率的同时获得高于80%的识别精度,8层全连接网络能达到90%以上的精度,但是需要的计算资源较大,训练时间较久。以上模型可应用于不同环境和需求。文章为深度学习方法在岩性识别问题上的应用提供了有益的见解和经验,具有一定参考价值。     

一种基于MODIS积雪产品的雪线高度提取方法

冰川雪线高度的遥感提取对冰川物质平衡研究具有重要意义。提出一种基于晴空环境下积雪覆盖频率的雪线高度提取方法。使用MOD10A1积雪产品中的像元积雪面积比例数据,提取了2000/2001-2014/2015年间高亚洲地区冰川消融期末雪线高度。使用实测的冰川年物质平衡资料和气象格网数据对提取的雪线高度变化的可信度进行分析。研究表明：近15 a高亚洲雪线高度变化及趋势具有明显的东西差异,雪线高度变化幅度自青藏高原内部地区向四周呈增加趋势,西部大于东部。提取的冰川雪线高度变化与观测的年物质平衡序列具有很高的相关性,对物质平衡波动的平均解释率可高达75%;与气象要素（气温、降水）的年际变化的相关性也较高,约61.58%的格网冰川雪线高度变化可以由夏季气温和季节降水解释。而高亚洲各分区冰川雪线高度的波动规律也与大气环流背景分布一致。因此提取的雪线高度变化具有冰川学意义,可以进一步应用于冰川物质平衡估算及模拟研究中。     

基于MODIS的青藏高原逐日无云积雪产品算法

青藏高原积雪对高亚洲地区水和能量循环起着重要的反馈和调节作用,其变化影响着融雪性河流流量,对下游水资源和经济活动具有重要影响。中分辨率成像光谱仪（MODIS）具有较高的时空分辨率,被广泛应用于积雪遥感动态监测,然而光学遥感积雪受云层影响严重,且青藏高原地区水汽分布不均,局地对流活跃,积雪的赋存时间变化快,这给高原地区逐日积雪监测及其气候学制图带来挑战。在考虑青藏高原地形和积雪分布特征情况下,结合现有的云覆盖下积雪判别算法,采用8个不同方法的组合,逐步实现MODIS逐日无云积雪算法。选取2009年10月1日-2011年4月30日两个积雪季为研究期,并采用145个地面台站观测雪深数据对去云算法各步骤过程开展精度验证,结果表明：当积雪深度>3 cm时,逐日无云积雪产品总分类精度达到96.6%,积雪分类精度达83%,积雪判对概率（召回率）达到89.0%,算法可实现青藏高原地区逐日无云积雪动态监测和积雪覆盖气候学数据重建,对高亚洲地区的水、生态和灾害等全球环境变化影响研究具有重要的意义。     

修正Van Genuchten模型拟合干旱、半干旱地区遗址土颗分曲线的可靠性研究

不均匀系数、曲率系数在土力学中的应用很广,但对精确求解d_(10)、d_(30)、d_(60) 3个参数的方法研究较少。提出了一种修正Van Genuchten(MVG)方程描述颗分曲线。以Matlab编程语言中的cftool为拟合工具,以青海黄土、青海遗址土、甘肃遗址土和新疆遗址土等33组土为研究对象,对比拟合方程描述遗址土颗分曲线的效果,分析MVG模型中3个参数a、m、n对曲线的影响。结果表明:MVG模型在拟合33组土的颗分曲线时均具有较好的效果,相关系数2R(29)0.98;参数a导致曲线偏移并可以推测土粒中的最大粒径,参数m影响土中的各颗粒组分的比例,参数n影响曲线的斜率。提出的MVG方程能够精确地求解d_(10)、d_(30)、d_(60) 3个参数。     

大别——苏鲁高压-超高压变质带的“构造增压壳内成因”研究

研究发现,高压-超高压变质岩基本都发育于全球或区域规模的大型构造带,产于强烈构造变形带中相对较弱应变的部位。苏鲁—大别超高压变质岩具有明显的构造变形,这成为追索构造应力-应变作用和探讨形成构造环境与演化过程的重要线索。本研究用成岩成矿深度的"构造校正测算方法",进行野外观察、岩石变形-应力测算及构造校正测算。其结果显示,超高压变质岩形成深度在23~55km之间。大别—苏鲁超高压变质岩的锆石SHRIMP年龄显示,具有环带的内核高压矿物年龄大于680 Ma,而其含柯石英幔圈里超高压变质矿物在(231±4)Ma形成,角闪岩相等退变质矿物形成在(211±4)Ma,可见超高压变质发生在陆缘和陆内的地质环境。综合研究其岩石矿物的Sr-Nd、O和He同位素含量,有力证明了岩石的壳内成因特征。深钻孔岩心的岩石矿物学系统显示,超高压变质岩及其几公里宽范围里的各类围岩普遍含有柯石英等高压-超高压矿物包体。上述实际资料,用超高压变质的"深俯冲-折返"模式已经不能得到科学的解释。本文提出大别—苏鲁超高压变质岩"构造增压壳内成因模式",认为这些超高压变质作用可能发育在陆内地块之间的强烈构造挤压环境。在230Ma左右,由于构造压力与重力压力叠加致使局部达到超高压及相应温度等条件,特别是当p≥2.8GPa时,变质的物理化学条件得到满足,可以在23~55km深处发生超高压变质作用,之后经应力松弛和拆离构造,岩石又逐步抬升并发生退变质作用。也可以说,该超高压变质岩具有构造物理化学成因。     

基于深度学习的区域生态安全时空模拟与预测

区域作为人类、自然、社会共同作用和互相影响的复杂系统,对区域进行生态量化建模与模拟仿真,是实现区域可持续发展战略的关键。传统机器学习方法对区域生态系统建模取得了一定的成果,但难以确定学习特征和实现时空模拟。深度学习不需事先确定训练特征,具有优异的特征学习能力,能够提高模型预测精度,因此利用深度学习进行建模具有显著优势。本文使用植被净初级生产力（NPP）、气溶胶光学厚度（AOD）和人口格网数据,充分利用深度学习的优点,采用最优深度神经网络时空模拟,得到了河南省2007-2014年3 km分辨率的生态赤字空间分布图和河南省2015-2020年的生态赤字时间预测结果并进行分析,为区域生态的科学管理和建设供科学依据和参考。     

西藏亚东-谷露裂谷带运动特征的InSAR研究

亚东-谷露裂谷等南北向分布的大型地堑在青藏高原新生代构造演化中发挥着重要作用,该研究对理解青藏高原中南部地堑在第四纪构造演化的地位具有重要意义。基于欧空局Envisat卫星2003~2008年SAR数据,利用SBAS时序InSAR技术,去除地形、大气、轨道等因素的影响,获取亚东-谷露裂谷带及邻区的LOS速度场,并反演亚东-谷露裂谷带的滑动速率和闭锁深度。结果表明,亚东-谷露裂谷带南段与北段具有相同的倾滑速率,均为1 mm/a;其闭锁深度南段为31 km,北段为22 km;其断层倾角南段为52°,北段为40°,与地质结果一致。