排序方式:
出版年(降序)
出版年(升序)
被引次数(降序)
被引次数(升序)
更新时间(降序)
更新时间(升序)
杂志中文名(升序)
杂志中文名(降序)
杂志英文名(升序)
杂志英文名(降序)
作者中文名(升序)
作者中文名(降序)
作者英文名(升序)
作者英文名(降序)
相关性
共有4739条查询结果,搜索用时 15 毫秒
51.
应用2002年5月9-22日南沙群岛海域的水文观测资料,分析了季风转换期间南沙群岛海域的水文状况,并对比了调查海域不同区域的温盐分布特征。结果表明,夏季风转换期间海洋表层温度较高,基本在30℃以上,垂直结构上温度层结比较稳定。东北一西南走向界线两侧海域的温盐状况有明显的差异:西北部海域温度较高,垂向上有逆盐层现象;东南部海域温度相对较低,盐度的垂向结构上显示有双跃层现象,两海区水文特征的差异与季风结构和局地环流有密切的关系。从连续站温盐的时空剖面图可以看到,跃层以下,不规则的半日周期内潮对温盐分布有显著的影响。
相似文献
52.
退耕地人工群落植冠层的截留能力,是群落生态效益的重要组成部分,这一研究不仅可以掌握退耕还林还草工程作用的机理,还可以更好地指导工程实践,促进工程建设步伐。通过“简易吸水法”,可以快速掌握退耕地植冠层的最大截留潜力。青海省大通县退耕较早、平均年龄约10a以上的青海云杉、华北落叶松等几种人工群落,它们的林冠截留量较高,平均达1.93mm,为当地3种截留量最高、林龄50a之上天然群落的61%。青海云杉、华北落叶松、白桦、青杨、中国沙棘等退耕地人工群落的截留量,基本上显示出与林龄之间呈线性或Cubic、Quadratic正相关关系。在植物群落分层截留、消化吸收降雨的这一空间垂直序列中,植冠层截留量虽然较低,平均仅1.29mm(0.25~2.38mm),但植冠层的主要作用还在于减轻、缓冲雨水直接打击地面,改变降水的侵蚀性危害,而这些作用要远远高于截留量自身的区区数量。
相似文献
53.
将微粒群算法与位错理论模型相结合,采用中国地壳运动观测网络提供的青藏高原地区2001~2004年GPS测量数据和2000~2006年水准测量数据,通过常规定权和附有相对权比的方法对祁连山北缘断裂的三维滑动速率进行联合反演,并与蚁群算法反演结果进行对比。结果表明,微粒群算法收敛速度快、稳定性高,结合经典位错理论模型,是一种可以有效求解断层三维滑动速率反演问题的优化算法,在大地测量反演领域极具应用潜力。
相似文献
54.
为揭示花岗岩- 伟晶岩型锂等稀有金属矿成矿系统的深部结构,对西昆仑造山带大红柳滩伟晶岩型锂矿集区开展了大地电磁测深法(MT)探测。通过MT三维反演电阻率模型,探测到两个0~20 km深度范围的高阻体,反映了出露于地表的大红柳滩复式花岗岩基和半隐伏的大红柳滩东花岗岩基;20~80 km深度范围内发现的大范围高导异常,则反映了深达上地幔的地壳重熔形成的大规模长英质岩浆储库。可见,成矿母岩大红柳滩花岗岩基是有根的,而且是规模巨大深达上地幔的岩浆储库,它们为超大型大红柳滩伟晶岩型锂矿的形成提供了物源和热源。与松潘- 甘孜甲基卡超大型伟晶岩型锂矿集区对比,尽管川西甲基卡地区地表出露的花岗岩有限,但MT三维反演电阻率模型显示,其也存在深达上地幔的大范围高导异常,同样反映了大规模长英质岩浆储库的存在,只是剥蚀深度浅,上侵的花岗岩未被剥蚀出来而已。从而,深剥蚀的大红柳滩地区表现为大面积花岗岩出露的“热隆”特征,而浅剥蚀的甲基卡地区则表现为花岗岩围岩“片麻岩穹隆”热变质构造特征。西昆仑- 松潘- 甘孜伟晶岩型锂等稀有金属巨型成矿带两端的晚三叠世超大型矿床是大规模地壳重熔长英质岩浆作用中心的产物,由于锂等稀有金属的喜水性,H2O的饱和度是造就伟晶岩型锂超常富集的关键,并在长英质岩浆储库、上侵花岗岩和伟晶岩不同分异演化阶段,锂的“预富集”为大规模伟晶岩型锂矿成矿奠定了重要基础。
相似文献
55.
利用贵州省84个气象站逐日观测资料以及再分析资料,对4种不同强度区域性凝冻过程进行对比分析。结果表明:500 hPa位势高度场上中高纬度的亚洲东部区域距平场呈现“+-”的分布或有切断低压分布,贝加尔湖至中国华北地区以经向环流为主;850 hPa风场上云南南部以南受偏南风和西南风控制,并且在江南至华南存在西南或西风急流,是4种不同强度凝冻过程中形势场共性特征。500 hPa高度场上中高纬度地区呈两槽一脊或一槽一脊分布;风场上850 hPa东北风回流和700 hPa西南急流形成上暖下冷的形势场,同时850 hPa形成稳定低层切变线;温度场上存在冷-暖-冷的夹心结构,近地面层0 ℃线维持在900 hPa以下,均是较强等级以上的区域性凝冻过程中形势场共性特征。而对于一般性区域性凝冻过程,500 hPa位势高度场上呈多槽脊分布,风场上是否存在东北风回流和低层切变线,温度场上是否存在冷-暖-冷的夹心结构以及近地面层0 ℃线位置等特征均不统一。温度剖面图上,当近地面层0 ℃线位置最低时或出现冷-暖-冷的夹心结构时段与凝冻过程影响范围最广、灾情最重的时间段对应。
相似文献
56.
基于新疆测震台网记录的数字地震波形,运用CAP方法测定呼图壁地区2010-01-15~2017-01-02共50次MS≥3.0地震的震源机制解,同时结合早期23次MS≥3.0地震的震源机制解数据,应用MSATSI软件反演研究区时空应力场。结果表明,研究区应力结构类型表现为逆断型,整个区域主压应力P轴近NNE向且倾角较小,说明整个呼图壁地区应力场以NNE向水平挤压作用为主要特征。从空间上看,东部的水平挤压作用更为显著;从时间上看,2010~2016年受到更为显著的NNE向应力场控制,反映了研究区在不同时段应力场的调整变化,但没有改变该区域最大主压应力轴呈NNE向的总体特征,说明整个呼图壁地区可能主要受一种较稳定的NNE向应力场控制。
相似文献
57.
选用目前非线性方法中的2个研究热点——BP神经网络和模拟退火算法,用优化后的BP神经网络为主框架,结合位场反演的特点,在反演过程中引入模拟退火算法,这样既利用了BP神经网络具有指导学习的功能来提高局部搜索性能,也利用了模拟退火算法的概率突跳性来实现最终的全局收敛性,从而提高了反演的速度和精度。通过模型试验验证了其有效性之后,将该方法应用于珠江口盆地潮汕坳陷的重力资料反演,结果较好地反映了剖面的地质情况。
相似文献
58.
海洋颗粒有机碳(POC)是海洋固碳的一个关键参数。为了研究南海北部陆架及海盆表层POC浓度的时空分布特征以及变化趋势,本文利用2009-2011年4个季节的实测数据,对NASA发布的MODIS/AQUA卫星月平均POC遥感产品,进行了验证和校正;并利用校正后的遥感数据分析了2003-2014年POC的时空分布特征和变化趋势。发现POC遥感产品与南海北部实测数据具有较好的线性关系(R2=0.72),但存在系统性偏高,需利用实测数据对遥感数据进行区域性校正。分析校正后的遥感数据发现,南海北部陆架POC浓度较高,平均为(33.34±8.02)mg/m3;吕宋海峡西南海域浓度较低,平均为(29.25±6.20)mg/m3;中央海盆区浓度最低,平均为(27.02±4.84)mg/m3。春夏季POC浓度较低,最低值一般出现在5月,冬季(12月至翌年1月)POC浓度达到最高。利用2003-2014年的长时间序列遥感叶绿素(Chl a)和海表温度(SST)、混合层深度(MLD)模式数据,以及实测数据对南海北部POC浓度的影响机制进行了分析。发现POC与Chl a在秋冬呈现较好的相关关系(R2=0.51),但在春夏季较离散,表明秋冬季生物作用对POC影响较大。2003-2014年期间,POC与Chl a、MLD及SST存在明显的年际变化,但并没有显著的上升或下降趋势。
相似文献
59.
磁异常反演是获取地下场源磁化率分布的重要手段之一,在地球勘探中扮演着重要角色.在磁异常反演中,对比光滑反演,稀疏反演的结果具有边界分明,物性参数分布集中的特点,更符合实际情况.针对稀疏反演,本文首先构建了具有代表性的基于L 1 范数目标函数,利用交替方向乘子算法可分离凸函数的特点,将极小化L 1 范数的优化问题分解为一系列的子问题,通过对子问题求解获得原问题的解;为了增强交替方向乘子算法的适应性,本文结合广义软阈值函数将交替方向乘子法推广于L p (0 < p < 1)范数的反演中.为了验证本文提出的算法的有效性,采用了三种常规模型进行模拟实验.与基于L 2 范数的反演算法进行实验对比,结果表明,本文算法得到了边界清晰,磁化率分布更集中的反演结果.最后,将基于交替方向乘子算法的L 1 和L p (0 < p < 1)范数的反演应用到青海省尕林格铁矿保护区获得的实际磁异常数据中,获得了较为符合实际地质情况的稀疏反演结果.
相似文献
60.
地下密度异常体反演需要由二维数据反演三维结果,为了高效、高精度地反演地下异常体的位置及密度信息,本文提出2D-3D InvNet深度学习反演方法.方法的编-解码器结构,在编码阶段利用二维卷积网络结构提取地表重力异常及重力梯度异常数据信息,解码阶段利用三维卷积网络结构恢复异常体地下形态,实现了二维和三维网络结构的结合.为了精确地反演异常体密度,提出利用加权均方误差(WtdMSE)作为损失函数,同时为了更好地评估反演结果,引入核密度函数作为评价手段.与均方误差(MSE)相比,利用WtdMSE作为损失函数对异常体密度的反演结果更为准确,异常体所在区域的密度误差减少50%以上.对理论样本的反演结果表明,2D-3D InvNet在准确反演异常体地下位置的同时,也能给出准确的密度信息.应用此方法对西澳大利亚Kauring地区实测数据进行反演,我们成功获得了此区域地下异常体的密度分布.理论与实际应用结果表明,2D-3D InvNet深度学习方法稳定且具有较强的泛化性能,能在无需规定限制条件的情况下快速获得准确的反演结果.
相似文献