深圳杨梅坑海域造礁石珊瑚共生藻分类和遗传多样性研究

通过核糖体ITS(Internal Transcribed Spacer)的核苷酸序列研究了深圳杨梅坑海域20种47个造礁石珊瑚样本的共生藻。通过ITS序列分析,与GenBank上的4种不同的共生藻构建Neighbor-Joining聚类树,进行石珊瑚共生藻分类和遗传多样性分析。结果表明,该海域的造礁石珊瑚共生藻属于2种不同的种类(亚系群),19个样品属于C1亚系群共生藻,1个样品属于C15亚系群共生藻,C1和C15两个亚系群共生藻之间的遗传距离为0. 01。将深圳杨梅坑海域得到的ITS序列与NCBI数据库上的福建东山海域、广东徐闻地区的C1系共生藻进行比对,只有深圳杨梅坑海域藻类样本平均(A+T)碱基含量为49. 4%,(A+T)含量小于(G+C)含量。构建Neighbor-Joining聚类树表明,深圳杨梅坑海域石珊瑚共生藻与福建东山海域的亲缘关系较近,而与广东徐闻地区的亲缘关系较远,地理隔离是主要的因素。     

GPS坐标时间序列分析研究

近20年来,以GPS为代表的空间大地测量技术观测精度不断提高,已累积了丰富的、高精度、全球覆盖的坐标时间序列数据。这些数据为研究不同时空尺度下的各类地球物理现象提供了重要的数据支撑和大地测量几何约束。然而,由于GPS坐标时间序列中同时包含了各类“信号”和“噪声”,而且噪声来源复杂,信号类型多样,水平和高程分量上信号与噪声的表现形式差异较大。如何从原始序列中提取可靠的“信号”、分离出“误差”是目前地学界研究的热点和难点之一。     

基于EMD方法的地心运动时间序列分析

针对时间序列混有的高频信息会影响地心运动规律分析的问题,采用网平移法对IGS提供的GNSS周解进行解算,得到2007-2017年地心运动时间序列,对其进行分解重构,剔除高频项,并利用重构时序对地心运动规律作进一步分析探讨。结果表明：本文解算的地心运动在T_x、T_y和T_z方向的精度均为毫米级。EMD方法重构的时序保留了原序列的基本信息,且抑制了高频项的影响,提高了周期贡献率,3个方向的贡献率分别提高了12.3%、16.7%及6.3%。通过分析重构后的时序发现,周年项振幅为各周期对应振幅的最大值,分别为2.32、1.89和2.07 mm;T_y和T_z方向长期变化趋势较T_x更为明显,分别为0.13和-0.27 mm/a;半年项较小,且在T_x和T_y方向上具有时变性。此外,还发现了一些其他较小的年际变化。     

一种改进的GPS区域叠加滤波算法

GPS时间序列的空间滤波可以提高观测数据的信噪比,有利于获取更高精度的地壳形变信息。区域叠加滤波算法的空间滤波结果随着测站数和空间尺度不同而不同,不利于研究GPS时间序列中的形变信息。为了削弱区域叠加滤波受空间尺度的影响,提出一种不以空间尺度作为约束条件,同时引入相关系数和距离因子的区域叠加滤波算法。采用2010—2017年中国区域260个GPS连续观测站的时间序列展开空间滤波方法的研究,计算结果表明,对比相关性区域叠加滤波算法,考虑GPS时间序列之间的相关系数和距离因子更有利于提取GPS时间序列中的共模误差,且受空间尺度的影响较小。对比3种不同距离因子的区域叠加滤波算法,可知引入距离反比的空间滤波算法可实现更优的空间滤波。采用该方法空间滤波后可使GPS时间序列残差降低30%~40%,GPS速度场精度提高30%~40%。此算法实现了更优的GPS形变场估计,为研究中国区域的地壳运动和其动力学机制提供了可靠的数据基础。     

城市地铁网络拓扑时空演变特征模型研究

以广州地铁网络为例,基于复杂网络理论,结合GIS技术对城市地铁网络的发展趋势、拓扑特征和统计特性进行了量化评估;重点通过时空序列数据分析了1997-2016年广州市地铁网络拓扑形成的过程以及统计特性的时空演变特征,以期为城市地铁网络发展和规划布局提供科学参考,促进城市发展质量的提升。     

基于时间序列Sentinel-1A数据的水稻识别

基于时间序列的Sentinel-1A数据,利用光谱相似性方法(SSM)对广东省台山县汶村镇和海宴镇进行了水稻识别。首先将SSM应用于时间序列SAR图像中,计算光谱相似度;再通过设置阈值获得初始水稻种植面积图;最后消除斑点噪声,获得水稻种植面积图。结果表明,基于VH极化图像,利用SSM和阈值法获得的水稻种植面积图的总体精度最高为97.34%,Kappa系数为0.94。因此,时间序列Sentinel-1A数据对于识别水稻或其他作物具有很大的潜力。     

基于支持向量机的GNSS时间序列预测

在深度学习的理论框架下,针对预测全球卫星导航系统(GNSS)时间序列,传统的经验风险最小化预测模型误差大精度低,泛化性能差且对历史数据的经验依赖大的问题.提出一种采用结构风险最小化原则的基于支持向量机(SVM)的时间序列预测模型.通过和多层的BP神经网络预测模型预测效果比较,结果证明SVM预测模型拥有更好的时间序列预测效果.     

黄土高原古气候变化定量重建的新进展

中国黄土- 红黏土沉积是可与深海沉积媲美的陆相沉积载体,记录了晚新生代东亚大陆气候环境变化历史。基于中国黄土的多种理化指标,重建了黄土高原地区构造- 千年尺度东亚季风变化历史,为探讨区域与全球气候的联系提供了关键证据。近年来,黄土高原古气候变化研究逐步从定性描述拓展到定量重建,本文旨在回顾基于中国黄土定量重建古温度和古降雨变化取得的重要进展。首先,梳理了古气候要素定量重建的指标和方法,古温度重建指标包括植硅体、碳酸盐耦合同位素、微生物脂类代用指标等;古降水变化敏感指标包括磁化率、白云石/方解石含量、生物微钙体Sr/Ca比值、有机碳同位素以及10Be等。然后,汇总了典型黄土剖面定量重建的古气候变化序列,分别从构造、轨道及千年时间尺度上探讨了古温度和古降雨的变化特征。结果表明,基于生标重建的不同时间跨度的土壤古温度变化序列,在冰期—间冰期尺度上的波动特征基本一致,但在冰盛期—冰消期时段出现了增温超前现象,说明陆地植被对土壤温度变化有重要调制作用。然而,不同指标重建的降水变化幅度差异较大,主导周期也存在差异,说明定量重建降水变化仍有较大挑战。最后,简要总结了黄土高原古气候定量重建存在的问题,明确了区分温度和降水季节性变化的重要性,指出加强地质记录与模拟结果的对比同化,将有助深化对多尺度季风变化动力学的理解。