BP神经网络用于水下地形适配区划分的方法研究

为确保背景场中最优适配航线设计的正确性以及水下地形匹配导航的可靠性,提出了一种基于BP神经网络的背景场适配/误配区自动识别和划分方法,该方法通过分析地形背景场特征参量显著性和主成分、构建BP神经网络、建立输入地形特征参量与匹配性能的映射关系,最终实现了地形背景场误配/适配区的自动识别和划分。试验验证了本方法的有效性。     

西天山地区雷暴和闪电特征

利用西天山地区14个气象站1960-2010年雷暴资料和新疆雷电监测网2008年观测资料,分析了西天山地区雷暴和闪电变化特征。结果表明：西天山地区年平均雷暴日数分布呈东西多,南北少的形势。该区域年平均雷暴日数在17.3～85.5 d之间,并以2.7 d/10 a的速率减少。西天山地区雷暴日数的年变化呈单峰型,并在6-7月达到最大值。整个区域以正闪为主,正闪占总闪的比例达66%。该区域闪电电流强度在-130~+63 kA之间,负闪强度大于正闪强度。     

武陵山区渝东南城镇滑坡灾害风险评价研究——以石柱县下路镇为例

武陵山渝东南地区地质条件复杂、降雨丰沛,加之城镇化开发,该地区的山区城镇面临着滑坡风险,迫切需要开展城镇尺度的地质灾害风险评价,从而更好地进行风险管控。本文以重庆市石柱县下路镇为研究区域,结合区内地质灾害特点,利用无限斜坡模型进行了不同重现期（10、20、50 和100 年）滑坡灾害的危险性计算;重点关注潜在的建筑物损失和室内人员的生命财产损失,采用经验模型,完成了区内不同情景下建筑物和人口易损性分布图;运用灾害风险量化评估模型,定量分析了区内滑坡灾害的经济风险和人口风险。结果显示,从重现期10 年至100 年演变中,建筑物风险将增加3 倍,而人口风险将增加约11 倍,空间分布从集镇建设区附近的山体进一步扩大至天泉村、白鹤村等地。本文探索的滑坡风险评估方法可为地方决策部门开展详细尺度的国土空间规划（短期、中期和长期）研究提供参考。     

综合物探方法在蚌埠隆起金多金属矿勘查中的应用——以怀远双沟勘查区为例

为展现综合物探方法在蚌埠隆起区金多金属矿勘查中的应用效果,更好地指导该区找矿工作,该文以怀远双沟勘查区为例,通过开展面积性高精度重磁测量和综合物探剖面测量,初步建立了近EW向与NE—近NS向叠加的构造格架,并经钻探验证发现了分别受韧脆性断裂和脆性断裂控制的2种类型的金多金属矿化带。在此基础上,总结了勘查区NE—近NS向的磁异常中心和重磁异常梯级带2种金多金属矿成矿有利部位,识别出NE—近NS向磁异常、NE—近NS向重磁异常梯级带、重力异常梯级带背景下的局部重力高、CSAMT剖面上的视电阻率等值线梯级带或明显的错断带等特征,作为区内金多金属矿的综合地球物理找矿标志。     

基于机载和星载高光谱遥感的武夷山成矿带蚀变矿物信息识别研究

武夷山成矿带是中国东部中生代火山岩区重要的金铜多金属成矿带之一。为进一步对武夷山成矿带的岩矿蚀变信息进行识别与对比研究,该文利用机载航空高光谱SASI短波红外数据和星载高分五号(GF-5)高光谱数据,在充分分析不同蚀变矿物的实测波谱典型吸收特征和矿化蚀变信息识别提取方法的基础上,基于迪开石、高岭石、石膏、铁绿泥石、铁镁绿泥石、镁绿泥石等6种蚀变矿物的实测光谱特征,应用光谱角填图法(Spectral Angle Mapper,SAM)对闽中永泰—德化—尤溪矿集区的两类高光谱影像的蚀变矿物信息进行自动匹配识别和信息提取。研究表明:1 两类高光谱数据都能较好地提取出上述6种典型蚀变矿物的分布范围,且结合地质资料能够推测出火山机构,暗示了较好的找矿前景;2 通过对提取的蚀变矿物信息的效果和特征进行对比研究,并经野外实测岩矿样品的光谱验证,SASI数据提取的蚀变矿物信息与实际验证点吻合更多;3 通过对比分析,发现应用高空间分辨率SASI数据的蚀变矿物信息提取结果较空间分辨率较低的GF-5数据更加稠密和精确,与空间分辨率越低,像素光谱混合越明显、地物精细区分程度也相对较差的常规认识相吻合。由于该研究中光谱验证点相对较少,且矿物种类有限,同时原始空间分辨率不同等因素,评价结果还需作进一步验证。     

The use of digital technologies for landslide disaster risk research and disaster risk management: progress and prospects

Landslide is a serious natural disaster next only to earthquake and flood, which will cause a great threat to people’s lives and property safety. The traditional research of landslide disaster based on experience-driven or statistical model and its assessment results are subjective , difficult to quantify, and no pertinence. As a new research method for landslide susceptibility assessment, machine learning can greatly improve the landslide susceptibility model’s accuracy by constructing statistical models. Taking Western Henan for example, the study selected 16 landslide influencing factors such as topography, geological environment, hydrological conditions, and human activities, and 11 landslide factors with the most significant influence on the landslide were selected by the recursive feature elimination (RFE) method. Five machine learning methods [Support Vector Machines (SVM), Logistic Regression (LR), Random Forest (RF), Extreme Gradient Boosting (XGBoost), and Linear Discriminant Analysis (LDA)] were used to construct the spatial distribution model of landslide susceptibility. The models were evaluated by the receiver operating characteristic curve and statistical index. After analysis and comparison, the XGBoost model (AUC 0.8759) performed the best and was suitable for dealing with regression problems. The model had a high adaptability to landslide data. According to the landslide susceptibility map of the five models, the overall distribution can be observed. The extremely high and high susceptibility areas are distributed in the Funiu Mountain range in the southwest, the Xiaoshan Mountain range in the west, and the Yellow River Basin in the north. These areas have large terrain fluctuations, complicated geological structural environments and frequent human engineering activities. The extremely high and highly prone areas were 12043.3 km² and 3087.45 km², accounting for 47.61% and 12.20% of the total area of the study area, respectively. Our study reflects the distribution of landslide susceptibility in western Henan Province, which provides a scientific basis for regional disaster warning, prediction, and resource protection. The study has important practical significance for subsequent landslide disaster management.     

滇东南个旧矿区花岗岩黑云母成分特征及其对锡成矿的指示

滇东南个旧矿区发育有著名的超大型锡多金属矿床,该矿床的形成与花岗质岩浆活动密切相关。本文利用电子探针分析技术对个旧矿区花岗岩中的黑云母开展研究;研究结果表明,黑云母表现出富铝铁、贫镁钙的特征,其FeO^T含量为22.81%~26.17%,含铁指数为0.75~0.81,属于富铁黑云母。黑云母的化学组成特征显示其具有较高的结晶温度（616 ℃~691 ℃）、结晶压力（318~403 MPa）和结晶深度（12.03~15.24 km）,以及较低的氧逸度（logf_O2 = -19.74~-17.05）。综合研究表明,个旧矿区花岗岩源区物质复杂,具有多源性;花岗岩中黑云母整体表现出高铁指数和较低氧逸度等特征,是锡成矿的有利条件。

     

幕阜山矿集区黄柏山锂铌钽矿床地质特征及找矿方向

江南造山带中段幕阜山稀有金属矿集区是我国东部重要的锂铌钽资源基地, 区域锂资源主要集中于锂辉石伟晶岩中。但此类伟晶岩常受到岩浆出溶热液的叠加作用, 导致锂不同程度的流失, 因此新鲜锂辉石伟晶岩的产出条件与精准定位, 成为区域成矿理论研究与锂资源勘查的突破重点。笔者研究团队近年来在幕阜山地区新发现的黄柏山锂铌钽矿床, 产出了区域少有的大规模新鲜锂辉石伟晶岩脉。本次研究在黄柏山矿床已开展的化探、探槽、钻探等勘查工作基础上, 系统总结了矿床的地质条件, 精确厘定其成矿时代, 初步建立了仁里-黄柏山矿田成矿模型, 并进一步指出区域找矿方向。黄柏山矿床位于幕阜山岩体西南缘, 矿床内伟晶岩总体沿片岩片理产出, 其类型主要为(白云母)钠长石伟晶岩和锂辉石钠长石伟晶岩, 稀有金属矿化组合为Be-Nb-Ta-Li, 稀有金属矿物主要为绿柱石、铌钽铁矿和锂辉石。矿床内锂辉石多为新鲜无蚀变(＞96%), 少数晶体边缘具弱蚀变或锂辉石+石英蠕虫状共生结构, 为岩浆演化晚阶段流体出溶导致的弱酸性交代所致。三种类型锂辉石的Li2O为7.72%~7.82%, 基本未发生锂的流失, 这与区域构造交汇导致容矿空间封闭性弱, 岩浆演化出溶热液第一时间运移扩散有关。黄柏山矿床稀有金属成矿作用发生在早白垩世(133.0±1.5Ma), 与幕阜山矿集区二云母花岗岩成矿阶段时限(135.8~133.0Ma)一致。本次工作通过对仁里-黄柏山矿田伟晶岩地表类型分带的重新厘定, 结合区域已有的成矿母岩及伟晶岩垂向分带研究成果, 提出黄柏山矿床、仁里矿床、深部成矿母岩三者从西至东呈现出由高至低的三维空间分布特征, 初步建立矿田"体中体"模型。该模型及稀有金属成矿作用特点显示, 矿田西南部冷家溪群与幕阜山岩体接触带区域, 尤其是高地形地区, 仍具有锂找矿潜力。     

幕阜山地区花岗岩-伟晶岩系统中石榴石的组成特征及其对岩浆演化和稀有金属矿化的指示

幕阜山地区是我国重要的伟晶岩型稀有金属矿集区, 区内大规模的岩浆作用形成了众多稀有金属矿床。为了研究幕阜山地区花岗岩-伟晶岩岩浆分异演化过程, 建立岩浆演化各阶段和稀有金属成矿的矿物学指标, 本文对区内各类型花岗岩和伟晶岩中的石榴石进行了电子探针和LA-ICP-MS原位微区主、微量元素研究。结果表明, 幕阜山地区花岗岩-伟晶岩系统中石榴石均为岩浆成因, 属于铁铝榴石-锰铝榴石固溶体系列。区内花岗岩-伟晶岩岩浆呈连续分异演化的特征, 早期花岗岩浆已开始富集稀有金属元素, 且在岩浆多阶段分异演化过程中, 稀有金属元素逐渐富集, 稀有金属矿化强度逐渐增大, 显示出幕阜山地区具有极好的稀有金属成矿潜力。在岩浆演化过程中, 石榴石逐渐富Mn和HREE。花岗岩阶段中, 受黑云母结晶的影响石榴石Mn含量演化趋势与岩浆演化程度相反; 伟晶岩晚阶段的石榴石HREE含量"断崖式"下降的成分特征, 标志着成矿体系由岩浆阶段向富流体阶段转变。伟晶岩阶段中石榴石Mn含量与岩浆演化呈正相关, 高Mn含量石榴石(MnO>27.1%)是幕阜山地区高分异矿化伟晶岩的标志, 也是伟晶岩Li矿化的有效矿物学标志。此外, 低HREE含量(< 66.3×10-6)且高稀碱总量(大于572×10-6)的石榴石也可作为晚期高分异矿化伟晶岩的标志。     

塔里木盆地区域寒潮的气候变化特征及大气环流异常分析

利用1961—2016年新疆塔里木盆地43个气象站逐日平均气温及最低气温,建立其近56 a的寒潮过程序列,并结合NCEP/NCAR高度场的逐日再分析资料,对塔里木盆地区域寒潮过程气候变化特征及环流异常进行分析。结果表明:塔里木盆地单站寒潮频次北部多于南部,山区多于平原的分布特点与地形特征有直接关系,全区寒潮频次有一致变化的特征且在1980年左右经历由多到少的转变,共有13站存在显著减少趋势。塔里木盆地区域性寒潮过程易在4月、2月和10月发生,寒潮频次减少趋势不显著,有14～16、7～9、4 a左右的明显振荡;区域性寒潮过程持续日数一般在2～5 d,寒潮范围在13～42站,其中1月寒潮过程持续时间最长、3月与9月最短,5月寒潮范围最大、2月最小,在塔里木盆地最易发生持续日数为2 d、寒潮范围达半数以上站点的寒潮过程。500 hPa新疆东部高度负异常配合乌拉尔山高度正异常与塔里木盆地寒潮频次有密切联系,乌拉尔山正变高中心接近平均正变高中心或偏南时,利于区域性寒潮爆发,且正变高中心强度与寒潮范围有良好的一致性。