河西石NiMg(CO_3)_2

作者在1960年6月于我国某地铜镍硫化物矿床露头中找到一种翠绿色的矿物,经研究后证明为前所未知的镍碳酸盐的新矿物,并定名为河西石。由于矿物结晶太细小,因恐标本中混有其他镍的矿物,研究工作虽在当年间即已基本完成,但没有发表。1963年9     

海浪谱模拟

本文的主要内容是:(1)对文献[1]的海浪模型的改进。(2)讨论如何利用已经得到的对应于某靶谱的信号谱,以得到新的所要求的靶谱对应的信号谱.     

利用UML模型构建Geodatabase的方法与实践

利用UML模型生成Geodatabase数据库便于数据库的更新及移植,同时能很好地反映数据库结构及对象之间的关系。论文分析了利用VISIO建模工具构建Geodatabase的UML模型以及在此基础上利用ArcGIS Desktop相关模块生成Geodatabase数据库的方法,并以上海市绿化林业信息数据库为例,演示了Geodatabase的创建及更新过程。     

超临界流体中MoO3与WO3溶解度实验探讨

超临界地质流体以其独特的性质对金属成矿元素具有超强的萃取、层析和搬运能力,在热液矿床成矿机制研究中对揭示成矿物质的源、流和汇起着特殊和重要作用。本文利用分析纯H2MoO4在高温下脱水制备了MoO3(白色斜方晶系),在冷封式高压釜中实验测定了417℃超临界条件下,MoO3在纯水中的溶解度分别为7.3(29MPa)、14.2(45MPa)、21.6(55MPa)、27.7(78MPa)、32.5(100MPa)、和34.2(150MPa)mmol/l,热液中钼的存在形式为H2MoO4。依据前人的实验方案,补充测定了WO3在4.0%NaCl水溶液中于450%条件下的溶解度,其值分别为27.51(50MPa)和30.52(100MPa)mmol/l。结合前人研究结果发现,MoO3、WO3的溶解度在临界区域内具有超临界现象,在超临界条件下其溶解度与石英的超临界溶解度行为基本相似,表现为溶解度随体系温度和压力的升高而增大,这对揭示岩浆热液型和石英脉型钨、钼矿床的形成机制具有重要指导作用。     

基于RDBMS地理数据一体化存储初探

介绍了地理数据存储方法的特点,进行了一体化数据结构设计,并分别对文件形式和数据库管理地理数据在存取效率和查询速度方面进行了比较和研究,证明了地理数据一体化存储的先进性.     

基于RDBMS地理数据一体化存储初探

介绍了地理数据存储方法的特点，进行了一体化数据结构设计，并分别对文件形式和数据库管理地理数据在存取效率和查询速度方面进行了比较和研究，证明了地理数据一体化存储的先进性。     

新矿物长城矿—铱的硫铋化物

长城矿产在铬铁矿体及临近矿体的铂砂矿中。呈块状聚集体或细脉状,分布在硫铱矿的边缘并交代它。不透明,金属光泽,钢灰色,条痕黑色。莫氏硬度H_M=3.7,显微硬度VHN_(20)=165kg/mm~2。均质性,无解理。计算密度D_(calc.)=11.96g/cm~3。7个电子探针分析的平均化学成分(％):S 7.2,Cu 0.3,Te 0.4,Ir 41.2,Pt 2.8,Bi 47.2,总量99.1。简化的化学式为IrBiS。5条最强X射线粉晶衍射线(hkl,d,I)为:210,2.75(70);211,2.51(60);311,1.860(100);440,1.090(50);600,1.027(50)。X射线粉晶衍射图谱与马营矿相似。进行对比后,长城矿可以指标化为等轴晶系、空间群P2_13。由X射线粉晶衍射线求得α=0.6164(4)nm,V=0.2342nm~3,Z=4。     

地球化学的历史、发展和应用地球化学的内涵、展望 (序一)

地球化学作为一门科学，是在西方和前苏联形成和发展起来的。它的发展大体可分为3个时期。     

青藏高原不同土地覆盖类型下积雪面积判别算法优化北大核心CSCD

MODIS V006版本数据仅提供了归一化积雪指数(NDSI),而用户往往关心的是直观的积雪分类,包括积雪范围或积雪覆盖率。美国国家冰雪数据中心推荐全球积雪范围最佳的NDSI阈值为0.4,但是青藏高原地形复杂多样,积雪斑块化特征明显,单一阈值并不能精确地判识不同下垫面上的积雪。青藏高原被称为地球的第三极,是中国三大稳定积雪区之一,蕴藏了大量的淡水资源。随着全球气候变暖,青藏高原地区积雪融化时间提前,冰川融水增加,影响河流水量,造成洪涝灾害,进而影响人类正常生产生活,因此通过确定不同下垫面阈值,改善传统阈值的积雪高估低估现象,提高积雪识别精度,进而更准确地探究青藏高原积雪状况,显得尤为迫切。本文以青藏高原为研究对象,首先生成MODIS逐日无云NDSI序列并进行验证;其次对应站点雪深数据与NDSI序列,证实在下垫面为林地和非林地的区域,去云NDSI序列与站点雪深均有良好的对应关系,确定不同下垫面最优阈值范围;最后在最优阈值范围内通过混淆矩阵确定最优阈值。计算得出,林地NDSI=0.03时,总体精度最高为94.02%,在该NDSI之下,高估误差OE和低估误差UE分别为1.21%和4.60%;非林地NDSI=0.26时,总体精度OA最高为94.27%,在该NDSI之下,高估误差OE和低估误差UE分别为0.51%和5.03%。因此选取优化后林地阈值为NDSI=0.03,非林地阈值为NDSI=0.26。为避免地面常规观测资料尺度上的局限性,本文采用高精度的Landsat 8 OLI卫星数据识别结果,作为“真值”对优化后阈值的判别结果进行“像元—像元”级别的验证。在定量验证中,优化后NDSI阈值对MOD10A1 V006积雪判别结果的总体精度OA为84.21%,高估误差OE为5.33%,低估误差UE为10.46%;传统阈值对MOD10A1 V006积雪判别结果的总体精度OA为82.86%,高估误差OE为1.48%,低估误差UE为15.66%。可以看出在定量验证中,优化后阈值的积雪判别精度更高。同时在定性验证中,积雪大面积集中的区域,新的阈值与传统阈值提取效果均相对较好;积雪相对分散破碎的区域,优化后阈值能提取出大量积雪,传统阈值则不能。这表明考虑不同土地覆盖类型下的NDSI阈值优化可以有效地提高青藏高原积雪判别精度,为NDSI在积雪识别中的应用提供有力的支撑,有助于更准确地了解该地区积雪分布状况。     

阿留申俯冲带几何学特征及运动学成因模式

阿留申俯冲带位于环太平洋俯冲带最北端,是东太平洋型俯冲和西太平洋俯冲的过渡区域。该俯冲带火山岛弧距离海沟的距离从东向西逐渐增大,而形成地球上独特的岛弧火山链与海沟V字型斜交的现象。这一现象的运动学成因目前并没有统一的认识。本文通过对阿留申俯冲带几何形态数据、运动学数据进行整理分析,尝试运用构造赤道理论探讨该现象形成的运动学背景。阿留申俯冲带的几何学数据表明:从俯冲带东段(175°E)至俯冲带西段(155°W),火山岛弧距俯冲海沟的距离从80 km增加至250 km。与此同时,俯冲板片的倾角由60°减小至30°。板块的运动学分析表明:相对北美板块,太平洋板块的东段的运动矢量为48 mm/a,向北运动;逐渐转变为西段的78mm/a,向西北方向运动。相对于软流圈,太平洋板块的运动方向没有改变,始终向西北方向运动,速率向西逐渐增加。因此,在俯冲带的东段太平洋板块的绝对运动方向和相对运动方向存在30°左右的夹角,而这个夹角在西段几乎不存在。太平洋板块的绝对运动方向和相对运动方向之间的夹角不同,会导致软流圈对俯冲板片的反作用力差异,从而形成不同的俯冲角度和俯冲带宽度。太平洋板块相对北美板块和相对地幔的速度方向夹角的变化被认为是引起阿留申火山弧与海沟"V"字型斜交的运动学成因。