1997-1998年伽师强震群震源区应力场特征

利用1997-1998年伽师强震群中强地震震源机制系统聚类及震源区应力场反演,得到以下主要结果:(1)伽师强震群中强地震主要以走滑和正断层为主,伽师震源区主压应力方向为NNE或近NS向,与相邻的柯坪块体区域构造应力场方向不一致;伽师强震群的破裂面沿NEE方向,属左旋破裂;(2)4~5级中强地震应力场反演得到最大主压应力轴为NNE向,最小主压应力轴为NWW向,中等主应力轴倾角为65°,比较直立;(3)伽师强震群震源区应力场在强震前后经历了一系列变化。最后对所得结果进行了一定的讨论。     

松原震群与构造活动

利用吉林和黑龙江省地震台网观测数据,对2003年发生在第二松花江和松辽盆地深断裂较大地震进行了重新定位,结合松原地震台单台定位结果,测定松原小震群地震多发生在第二松花江和嫩江断裂交汇部位,判断第二松花江断裂发生左旋运动。     

新疆伽师强震群区基底界面结构特征

用射线分布分析法对伽师强震群区的高分辨折射地震剖面资料进行了更进一步的分析处理， 得到了伽师强震群区更完整的基底界面结构特征. 结果表明，在伽师强震群区地壳上部存在两个明显的结构界面:第一个界面的结构连续、完整，其埋深变化不大， 在2.6～3.3 km之间，为一向天山方向逐渐抬升、 近平直的倾斜界面；第二个界面的埋深变化较大， 在8.5～11.8 km之间，为古老的塔里木盆地结晶基底. 在约37 km桩号附近结晶基底有近2.5 km的深度突变， 推断可能是伽师强震群区超基底断裂所致. 以该断裂为界，结晶基底分为西南、东北两段. 每段内界面的埋深变化不大， 西南段的埋深约11.5 km， 东北段的埋深约为8.5～9.0 km，该段在从西南向东北整体抬升的背景上略有上隆，反映出在塔里木地块西北缘特殊的构造环境下上部地壳的变形特征.      

单元—超单元填图方法在基性岩区的应用

借鉴花岗岩区单元—超单元填图理论方法 ,通过对乌增苏辉长岩体岩石学、岩石化学、微量元素、稀土元素等特征的研究 ,将岩体划分为四个单元     

以伽师地震为例试论临震预报的可能性与局限性

地震前兆十分复杂,时空分布很不均匀,某些地方在某些时候,有可能表现出较为明显的地震前兆,只要我们有相应的监测能力和分析预报能力,是有可能实现地震预报的。     

震群活动和地震预报综述

研究震群和大地震的关系、用前兆震群预报未来地震的发生,是世界范围内比较活跃的课题之一。文章例举了震群的一些指标以说明前兆性震群的预报意义,并从大范围的众多震群活动阐述大震前震群活动的一些特征。根据震群的分布可确定未来大震的发生地点,并解释不同类型震群的力学成因。     

GPS技术在金川露天矿边坡变形监测中的应用

本文结合金川露天矿边坡变形GPS监测研究,主要论述监测基点的选择,基点WGS-84坐标的确定,变形监测网的布设,GPS数据采集、处理和质量,坐标转换的实施等,给出反演推出的若干四等三角点及其它控制点的变形数据,这些数据和造成变形的物理成因符合得很好,最后概括出GPS技术应用于变形观测的若干优点。     

应用重力场模型GL1500E和LLR天平动参数估算月核大小及其组成

针对月核大小及密度估计问题,利用高分辨率重力场模型GL1500E的二阶位系数和LLR(lunar laser ranging)天平动参数,考虑月核分层为外核和内核的情况,结合非线性粒子群优化算法,对月核大小和组成进行了估计。大批量的统计结果表明,大概率分布的外核半径rc1约为469 km,内核半径rc2约为303 km,外核密度ρc1约为4613 kg/m3,内核密度ρc2约为7004 kg/m3,月幔密度ρm约为3340 kg/m3。月幔密度非常接近地质研究结果3360 kg/m3,内外核半径与近期其他研究结果相近,估算的月核大小与密度组成具有一定的参考价值。若月核由纯铁和硫化亚铁组成,则研究表明,内核大部分由纯铁组成,外核大部分由硫化亚铁组成。     

多源数据融合更新基础地理信息数据的研究

利用多源数据通过融合的方式更新基础地理信息数据,实现数据集约融合整合,在现有的地理国情监测、各类国土调查数据成果的基础上,通过辨析不同手段获取数据的语义差别,融合形成非尺度的基础地理信息数据。实现新型基础测绘体系的初步探索,实现多源数据增量更新推送,提高数据共享时效性。通过应用验证,能较好地提升基础地理信息数据的精度,解决了长效更新的问题,改变了传统依靠影像或外业更新的模式,提高了效率。     

低温雨雪过程的粒子群-神经网络预报模型

利用逐日气温和降水量数据、NCEP/NCAR再分析资料以及预报场资料,通过分析提取我国南方区域持续性低温雨雪过程及其预报因子,使用粒子群-神经网络方法建立非线性的统计集合预报模型 (PSONN-EPM),对我国南方区域持续性低温雨雪过程进行预报试验。结果表明:以过程的冷湿程度及影响范围为标准,将低温雨雪过程分为一般过程和严重过程,并建立不同的预报模型效果较好。通过10 d独立样本预报试验看,基于粒子群-神经网络方法建立的集合预报模型比基于逐步回归方法建立的预报模型的预报平均相对误差小,对严重过程预报能力高于对一般过程预报,且这种非线性统计集合建模方法在建模过程中不需要调整神经网络参数,在实际预报业务中值得尝试。