Mitigating Risks From Fracking-Related Earthquakes: Assessing State Regulatory Decisions

Public concern about earthquakes linked to wastewater injection from fracking operations is rising. However, few have examined how “induced seismicity” is acted upon by state officials. For some, an incremental response to smaller quakes can be viewed as an acceptable risk policy orientation because of the sizeable economic benefits that accompany drilling activities while others prefer risk mitigation policies (such as the use of “threshold policies”) as a better way to address quake-related problems. To account for state response to induced seismicity impacts, we examine three factors: the emergence of quakes as focusing events, the economic importance of oil and gas to state jobs and revenue, and selected characteristics of earthquakes as a policy issue, i.e., complexity and categorical precedence. Using information drawn from documentary sources, we consider which factors are most helpful in accounting for agency decisions aimed at reducing seismic risks linked to nearby injection wells.     

基于微博数据和情感分析法的台风“米克拉”灾情过程探测

以2020年第6号台风“米克拉”为例,采集了5916条新浪微博作为数据源,综合应用隐含狄利克雷分布(Latent Dirichlet Allocation,LDA)主题模型、文本情感分析方法和空间分析技术,挖掘、分析台风的灾情时空过程。基于LDA主题模型建立了主题-词矩阵并进行隐含主题聚类,这些微博文本被分为灾损类信息、预警类信息、防御类信息和无关信息;从主题信息和文本情感值两个角度入手,对此次台风事件网络舆情的演化过程进行分析。结果表明:“米克拉”登陆前有大量积极情感的微博,主要包含渴望降雨、降温等信息,此类微博大量分布在漳州、厦门、福州等地区;在台风入境后消极情感的微博大量增多,主要描述道路、树木等受大风和大雨影响的灾损类信息,此类信息的空间位置主要分布在漳州和厦门,能较好地反映台风灾害影响的时空分布。通过对微博主题类别和情感极性进行时空分析,实现台风灾害事件发展趋势的监测,为防灾减灾提供参考依据。     

Classifying urban land use by integrating remote sensing and social media data

Urban land use information plays an important role in urban management, government policy-making, and population activity monitoring. However, the accurate classification of urban functional zones is challenging due to the complexity of urban systems. Many studies have focused on urban land use classification by considering features that are extracted from either high spatial resolution (HSR) remote sensing images or social media data, but few studies consider both features due to the lack of available models. In our study, we propose a novel scene classification framework to identify dominant urban land use type at the level of traffic analysis zone by integrating probabilistic topic models and support vector machine. A land use word dictionary inside the framework was built by fusing natural–physical features from HSR images and socioeconomic semantic features from multisource social media data. In addition to comparing with manual interpretation data, we designed several experiments to test the land use classification accuracy of our proposed model with different combinations of previously acquired semantic features. The classification results (overall accuracy = 0.865, Kappa = 0.828) demonstrate the effectiveness of our strategy that blends features extracted from multisource geospatial data as semantic features to train the classification model. This method can be applied to help urban planners analyze fine urban structures and monitor urban land use changes, and additional data from multiple sources will be blended into this proposed framework in the future.     

GENDER AND TECHNOLOGY DISSEMINATION IN RURAL YUNNAN

Ｔｈｅｅｆｆｅｃｔｉｖｅｎｅｓｓｏｆｔｅｃｈｎｏｌｏｇｙｅｘｔｅｎｓｉｏｎｒｅｌｉｅｓｎｏｔｏｎｌｙｏｎｈｏｗａｄｖａｎｃｅｄａｎｄａｐｐｒｏ－ｐｒｉａｔｅｔｅｃｈｎｏｌｏｇｉｅｓａｒｅ,ａｌｓｏｏｎｔｈｅｍｅａｎｓｏｆｄｉｓｓｅｍｉｎａｔｉｏｎ．Ｇｅｏｇｒａｐｈｉｃａｌｅｎｖｉｒｏｎｍｅｎｔ,ｌｅｖｅｌｓｏｆｅｃｏｎｏｍｉｃｄｅｖｅｌｏｐｍｅｎｔ,ｃｕｌｔｕｒａｌｃｈａｒａｃｔｅｒｉｓｔｉｃｓａｎｄｇｅｎｄｅｒｃｈａｒａｃｔｅｒｉｓｔｉｃｓ,ｉｎｆｌｕ－ｅｎｃｅｔｈｅｃｈｏｉｃｅｏｆｔｈｅｍｅ…     

基于互联网的地震信息精准与定向传播研究

当互联网的移动时代来临时,数量众多的个人成为信息传播的载体,尤其是在地震灾难事件发生后,信息的不确定性、虚假性也陡然猛增。面对大量繁杂的信息,即使在相对准确的信息面前,人们往往因自身的判断失误而无法做出正确的选择,不少准确的信息也因为失去有效的传播途径而被忽视和湮没。精准与定向这个概念自然而然便浮现出来,精准与定向成为互联网信息传播的发展趋势。本文结合地震信息传播的特点,提出基于互联网的地震信息精准与定向传播研究思路,最大限度地发挥地震信息传播在防震减灾中的作用。     

一种主动发现网络地理信息服务的主题爬虫

地理信息服务已成为分布式环境下获取地理数据的重要来源,从海量的网络资源中找到地理信息服务,是共享与互操作地理数据的基础。目前,地理信息服务主动搜索主要采用通用搜索引擎的接口或者通用爬虫的抓取方式,但这2种方式存在搜索效率低、搜索结果可用性差等不足。针对这一问题,本文设计了一种搜索地理信息服务的主题爬虫。该算法在最佳优先搜索的基础上进行了改进,综合考虑网页内容的主题相关度和链接文本的主题相关度确定链接优先级,优先爬取与地理信息服务相关的链接,并通过舍弃无关网页中的无关链接,减少无效爬取,进而提高搜索效率。此外,本文采用关键词匹配结合能力文档探测的方式识别地理信息服务,有效筛选出可用的地理信息服务,提高了服务搜索结果的可利用率。最后,本文以OGC WMS为实例,实现爬虫算法的原型系统并进行实验,实验证明该算法有效可行。     

高分辨率遥感影像目标分类与识别研究进展

高分辨率遥感影像的目标分类与识别,是对地观测系统进行图像分析理解,以及自动目标识别系统提取目标信息的重要手段。本文综述了当前国内外在可见光、红外、合成孔径雷达和合成孔径声纳等遥感影像的目标分类与识别的关键技术和最新研究进展。首先,讨论了高分辨率遥感影像的目标分类与识别问题的主要研究层次和内容;其次,深入分析了高分辨率遥感影像目标分类与识别,在滤波降噪、特征提取、目标检测、场景分类、目标分类和目标识别的关键技术及其所存在的问题;最后,结合并行计算、神经计算和认知计算等技术,讨论了目标分类与识别的可行性方案。具体包括：（1）高性能并行计算在高分辨率遥感图像处理的主流技术,并给出了基于Hadoop+OpenMP+CUDA的高分辨率遥感影像混合并行处理架构;（2）深度学习对于提升目标分类和识别精度的应用前景,以及基于深度神经网络的多层次遥感影像目标识别方法;（3）认知计算在解决遥感影像大数据不确定性分析的模型与算法,并讨论了层次主题模型的多尺度遥感影像场景描述方案。此外,根据媒体神经认知计算的相关研究,探讨了遥感影像大数据的目标分类和识别的发展趋势和研究方向。     

WORLD ASSOCIATION FOR SEDIMENTATION AND EROSION RESEARCH(WASER)

正President:Giampaolo Di Silvio,Italy Vice Presidents:Ulrich C.E.Zanke,Germany Zhao-yin Wang,China The World Association for Sedimentation and Erosion Research(WASER),inaugurated on Oct.19,2004,is an independent non-governmental,non-profit organization.The mission of WASER is to promote international co-operation on the study     

沉积学研究热点与进展:第19届国际沉积学大会综述

基于第19届国际沉积学大会资料,分析了当前国际沉积学研究热点和研究进展,指出除了资源沉积学研究持续走热外,全球气候变化沉积记录、深水沉积与事件沉积和碳酸盐与微生物沉积成为当前沉积学3大热门研究领域。全球气候沉积记录领域的进展表现在气候的沉积记录载体研究,特殊地质时期或地域气候效应及早期气候宏观变化规律研究;深水沉积与事件沉积领域的进展包括水力跳跃、深水实地监测等重力流沉积过程研究,地震、海啸、洪水、火山等事件沉积学及重力流沉积预测及油气勘探;碳酸盐与微生物沉积领域的进展包含冷水碳酸盐沉积和微生物对碳酸盐沉积的控制。对比表明,中国沉积学研究在环境上关注河湖等陆相多,风成、冰川和海岸等研究较薄弱;性质上以资源沉积学等应用研究为主导,沉积动力过程等基础研究薄弱;热点领域上对深水沉积和非常规油气领域关注多,但多局限于沉积现象描述与油气勘探开发实践。笔者指出,注重碎屑物沉积动力过程和源—渠—汇系统分析,及时引进深水和冷水碳酸盐沉积理论、发展生物地质学,充分利用大量科探和油田钻孔资料开展全球气候研究,是近期中国沉积学突破的可能方向。     

国家自然科学基金人文地理学项目研究特征简析

以2007-2011 年国家自然科学基金人文地理学代码(D0102) 的申请书作为样本,对申请代码、重点研究领域以及研究内容进行梳理,分析中国人文地理学近期发展特征。分析认为,科学问题综合与学科间交叉研究的增加使人文地理学学科边界呈现模糊化的趋势;研究方向体现了时代特点且各研究方向之间申请数量比较均衡;研究关键词大量涌现但共识性表述相对较少;选题颇具本土应用特点但学科体系建设意识逐步增强。