排序方式: 共有49条查询结果,搜索用时 218 毫秒
41.
通过傅立叶变化红外光谱(FT-IR)、X射线衍射(XRD)和差热(DSC)等技术分析了蜘蛛螺贝壳粉末的成分和热行为。XRD和DSC结果表明蜘蛛螺贝壳是由文石型碳酸钙构成,在300℃文石转变为方解石。红外光谱表明在海螺壳的有机质中存在NH,OH和amide等官能团,在文石晶格或有机与晶体的界面处存在HCO3-原子团。加热后的FT-IR特征峰的峰型和峰位表现出明显的变化,这些变化说明在250℃加热1 h后贝壳的有机质部分发生分解;在500℃~600℃时海螺壳中的有机质仍然没有完全分解,揭示出贝壳具有良好的热稳定性。 相似文献
42.
43.
华南上扬子区中奥陶统十字铺组是跨越达瑞威尔阶中上部到桑比阶底部的一个岩石地层单位,自命名以来,许多学者对其进行过研究报道,但迄今缺乏系统综述。通过查阅大量相关资料并结合野外观察和研究,对十字铺组的岩相和生物相进行了总结:十字铺组以发育一套钙质泥岩夹有少量泥质灰岩并产有丰富的华美正形贝动物群为特色;在靠近古陆的上扬子台地西部,十字铺组的同期地层类型多样,主要为碎屑岩;而向东,在距古陆较远的地区,发育着岩相稳定的碳酸盐岩,以牯牛潭组为主。十字铺组及其同期地层中的腕足类化石,在黔北、黔东北及川西南等地的多样性较高,而向其他方向(更近岸或更远岸)多样性都呈下降的趋势。 相似文献
44.
2016—2020年,新疆连续运行参考站(Continuously Operating Reference Stations,CORS)进行了加密、升级和完善,并对加密后的系统进行了网络实时动态载波相位差分技术(Real Time Kinematic,RTK)定位精度测试.通过对全疆共计272个测试点位的精度测试,并对... 相似文献
45.
山西地震台网地震预警时间及盲区半径分析 总被引:1,自引:1,他引:0
影响地震预警能力的关键技术指标是预警时间及预警盲区。通过分析山西地震台网勘选完成的1 101个预警台站布局,计算地震台站平均台间距,根据预警盲区半径与台间距关系式得出盲区半径。根据计算结果及相关分布图,分析认为,在预警区内,平均台间距及盲区半径分布与地震活动的相关性较高,勘选完成的地震预警台站布局比较合理。 相似文献
46.
为了降低放射性废物的危害,一般采取就地填埋的处置技术.影响核素锶吸附的因素针对吸附的基础物料土壤来说,主要有表面电荷、矿物组成;而外界环境因素如添加剂,对核素的吸附比也有很大影响.实验采用静态吸附的方法,通过测定核素锶的浓度,求得不同土壤对核素锶的吸附比,进而判断出应选用哪种物料吸附核素.实验结果表明,该地核废物填埋区的不同土壤,表面电荷中的正、负电荷均发育,但负电荷相对于发育的土壤而言对锶的吸附比偏大.矿物组成中以石英为主,但也含有一些吸附性强的粘土矿物(如蒙脱石、伊利石等 ).实验最后选定的棕黑色砂质粉土TY29,在加入适量的添加剂碳酸钠后,吸附系数可达103数量级,满足工程屏蔽的要求. 相似文献
47.
利用1980-2010年丽水市国家气象观测站0-20 cm 的5层土壤温度逐月观测资料,采用气候倾向率、Mann-Kendall检验和气候相关性等气候分析统计方法,分析了丽水市土壤温度的时间变化趋势、气候突变及对气候变化的响应。结果表明:丽水市平均土壤温度呈极显著的增温趋势,升温率为0.18 ℃/10 a,其中冬季增温最明显,月变化特征呈单峰分布。土壤温度随深度的增加变化幅度减小,且在时间变化上有一定的滞后性。Mann-Kendall检验表明,丽水市土壤温度处于稳定增长的趋势,其中2004-2009年各层土壤温度增温最显著,通过0.01的显著性检验。丽水市各层土壤温度的突变点,随着深度的增加有所延后,平均土壤温度在1994-1996年发生突变。丽水市土壤温度对气候变化的响应,表现为与气温呈现显著的正相关,与春夏季降水有明显的负相关。 相似文献
48.
鄂尔多斯盆地上三叠统延长组为大型拗陷湖盆沉积,长10油层组为延长组初始期沉积物。但其物源特征、沉积体系划分、沉积相类型等基础问题尚不清楚,严重制约了全盆地长10油层组的勘探发现。针对这些问题,作者采用了轻重矿物、锆石测年等分析方法,明确了长10油层组主要发育东北、西北、西南三大物源,根据物源特征沉积体系划分为东北、西北和西南沉积体系。综合野外露头、岩心、钻井、测井等资料揭示了长10主要发育河流-三角洲沉积,其中,西北沉积体系主要发育辫状河沉积,东北沉积体系发育曲河流-三角洲沉积,西南沉积体系发育辫状河-三角洲沉积,沉积中心位于太白-宜君一带,为浅湖相沉积。 相似文献
49.
利用2015年1月-2021年3月ECMWF细网格数值预报产品构建训练样本,使用自动机器学习方法构建乌鲁木齐机场温度预测模型。结果表明:(1)ECMWF模式直接输出的乌鲁木齐机场温度平均绝对误差为1.7 ℃,基于自动机器学习方法的Auto-sklearn模型和Auto-Keras模型能够改善模式直接输出的误差,使平均绝对误差降低至1.4 ℃。(2)分析逐月模型预测准确率发现,Auto-sklearn模型的预报准确率(≤2 ℃)在4-10月稳定在85%以上,效果优于其余模型。(3)对于冬季低温天气,Auto-Keras模型预报准确率优于其余模型的效果,平均绝对误差为1.37~1.91 ℃;而对于温度≥0 ℃的情况,Auto-sklearn模型预测效果更好,平均绝对误差为0.93~1.22 ℃ 。 相似文献