我省对土地市场治理整顿做出部署：今年重点抓好七项工作

为认真贯彻落实国务院办公厅《关于深入开展土地市场治理整顿严格土地管理的紧急通知》精神，制止乱占滥用土地，防止突击批地，抑制固定资产投资过快增长，保证国民经济平稳运行，落实最严格的耕地保护制度，日前，省政府决定集中半年时间，继续深入开展土地市场治理整顿工作，把通知精神落到实处。     

大鹏湾夜光藻的种群动态和时空分布

１９９０年３月至１９９２年６月对南海大鹏湾盐田附近海域的夜光藻种群动态及时空分布进行了综合调查，发现夜光藻种群的出现期间一般是１－６月，数量高峰期为３－５月，种群密度的波动极为显著。调查期间共发生１０次赤潮，且都发生在３月初至５月初。大鹏湾诳光藻赤潮的发生特点是赤潮的发生和消失突然，持续时间短，一般不超过３ｄ。     

应用CP网络进行岩性识别

为通过测井解决岩性识别问题，引入了具有分类准确、算法简练等优点的CP（Counter-Propagation)网络。在详细介绍CP网络的网络模型和算法的基础上，结合某油田的实际测井资料，进行了CP网络识别研究。应用结果表明：CP网络训练周期短、识别准确率高、不存在收敛问题。通过试验研究得出结论：CP网络完全可以用于解决岩性识别等问题，具有广阔的应用前景。     

地理文盲何其多

一次世界范围内的调查揭示了令人吃惊的地理文盲数字。     

大兴安岭东坡中段遥感影像特征与区域成矿预测标志

大兴安岭东坡中段的铜多金属矿产分布，ＮＥ成带，ＥＷ成行，ＮＷ成列，并构成多个矿化－构造带、矿化－构造块体，矿化－构造结。主要是受到区域ＮＥ向与ＥＷ向构造带构成的构造大格局和ＮＷ向与ＳＮ向构造带形成的构造小格局组合而成的“菱格网”状构造所控制。区域构造格局是铜多金属矿成矿构造的基础，据此区域性的遥感成矿预测，指出北段以找铜为主，中段以扩大银铅锌远景为主，深部找铜以及南段深部找铜的找矿方向。     

从层序地层学研究试论华北地区寒武系与奥陶系分界

华北地区寒武系－奥陶系过渡沉积可划分为三个层序：凤山层序、两河口－红花园层序和大湾层序，凤山层序与两河口－红花园层序之间的界面为Ⅱ型层序界面（ＳＢ２），而两河口－红花园层序与大湾层序之间的界面为Ｉ型层序界面（ＳＢ１）。华北地区寒武系－奥陶系界线应置于两河口－红花园层序的海侵体系域的下界面，在徐州地区为三山子组（狭义）与韩家组之间，在北京西山为韭园组微晶丘与冶里组之间。     

爱国——地质学家的责任，争鸣——学术进步的动力——庆祝《地质论评》刊行50卷

《地质论评》自1936年创刊至本期(卷终)，已整整发行了50卷。60多年来，她作为中国地质学会主办的综合性学术期刊，始终坚持“百花齐放、百家争鸣”的办刊方针，对促进中国地质学的进步起了不可磨灭的作用。     

唐代长安曲江池杂考

唐都长安外郭城东南隅，有一个曲江风景区．是当时著名的公共园林，它记载了唐代都城的繁华，成为开元盛世的一个缩影。     

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。