有限幂律—传染型余震序列模型及其在余震预测中的应用          下载免费PDF全文

刘文兵 《地震科学进展》2019,(1):44-45

  相似文献   

长山群岛海洋渔业资源的平均营养级变化特征     

孙才志  曹威威  肖春柳 《海洋通报》2019,38(1):87-95

根据长山群岛 1965-2016 年渔业统计资料，分析长山群岛海域主要捕捞渔获物产量、平均营养级 （Mean trophic level， MTL）、渔业均衡指数 （Fishing in balance index，FiB） 年际变化，探讨其海洋渔业资源利用状况，并利用小波分析方法研究52年来渔获物 MTL 周期变化特征。研究表明： （1） 长山群岛捕捞产量、MTL 和 FiB 指数呈阶段性变化； （2） 长山群岛渔业资源开发经历初期开发、扩张捕捞、过度捕捞、资源破坏等四个阶段，渔业资源环境正在逐渐恶化；（3） 受人类捕捞活动影响，MTL 在 15~19 年和 24~34 年两种时间尺度下呈周期波动，30 年为第一主周期，17 年为第二主周期。长山群岛渔业资源破坏日益严重，未来几年平均营养级将呈下降趋势。为防止渔业资源进一步衰退，应加强捕捞活动管理力度，落实海洋渔业资源保护制度；完善预警机制，构建海洋渔业资源监测系统；同时应积极调整长山群岛渔业产业结构，提高资源产出效率.  相似文献   

5-HT介导AC-cAMP-PKA-CREB通路与抑郁症易感性研究进展     

詹浪  赵博 《应用海洋学学报》2019,35(4):161-163

  相似文献   

四逆汤治疗心血管疾病作用机制的研究进展          下载免费PDF全文

邓嘉星  李成林  张远照 《应用海洋学学报》2019,35(7):157-159

  相似文献   

山地叶面积指数反演理论、方法与研究进展   总被引：2，自引：0，他引：2  

江海英  贾坤  赵祥  魏香琴  王冰  姚云军  张晓通  江波 《遥感学报》2020,24(12):1433-1449

叶面积指数LAI（Leaf Area Index）是表征叶片疏密程度和冠层结构特征的重要植被参数，在气候变化、作物生长模型以及碳、水循环研究中发挥着重要作用。遥感是获取区域及全球尺度LAI的一个重要手段，当前LAI产品主要基于遥感数据反演得到，但是多数LAI产品算法并未考虑地形特征的影响，导致山地LAI遥感反演精度不确定性大。提高山地LAI遥感反演精度亟需考虑地形因子对冠层反射率的影响，其中山地冠层反射率模型和遥感数据地形校正是提升山地LAI遥感反演精度的关键。本文围绕山地LAI遥感反演理论与方法，综合分析了国内外山地冠层反射率模型和地形校正模型的研究进展，总结了目前山地LAI遥感反演存在的问题，并讨论了未来研究的发展趋势。  相似文献   

2011年日本东北大地震（M_W=9.0）震间与震前变形场特征及其对强震预测的启示          下载免费PDF全文

朱守彪 《地球物理学报》2020,63(2):427-439

强震震前(preseismic)动力学过程的研究对于地震预测具有十分重要的意义,但由于观测资料的限制,目前对强震前孕震区力学状态及其演化过程的认识还非常有限.2011年日本东北9.0特大地震(Tohoku-Oki)发生在GPS观测台站最为密集的地区,为研究特大地震震间(interseismic)与震前的变形状态提供了难得的机会.文中将利用日本东北大地震之前连续的GPS观测资料,分别计算震间与震前的速度场与变形场.通过对比分析发现,日本东北地区(Tohoku)震前的应变状态与震间的有很大的不同,震间的变形主要受到太平洋板块向日本海沟北西西向的俯冲挤压作用所控制,其主压应变以近东西向压缩为主,日本东北地区的运动方向与太平洋板块的运动方向大体一致.但是,临近地震前(震前)日本东北地区的运动方向发生了很大变化,震前30天的连续GPS观测结果显示,速度场的优势方向经常变换,间歇性地出现与太平洋板块运动方向相反的情况.这意味着震前孕震区的力学状态发生了很大的改变.这种变化可能与震前破裂成核或慢滑移及慢地震等过程有关,这些过程将加速或促进大地震的发生,从而为大地震的发生准备了力学条件.值得特别强调的是,这些现象都是可以通过直接观测能够发现的大地震之前的异常现象.由此可见,加密GPS站点进行连续观测,寻找震前变形异常区以及探索异常的物理机制对于地震预测预报有重要的科学意义.  相似文献   

基于Sentinel-2的潮间红树林提取方法   总被引：1，自引：0，他引：1  

徐芳  张英  翟亮  刘佳  谷祥辉 《测绘通报》2020,(2):49-54

位于潮间带的红树林可能在高潮时被海水淹没的特点，使得传统的植被提取方法在红树林信息提取方面存在局限性。本文在对比分析了出露的红树林、高潮水位淹没的红树林、海水水体的光谱特征后，提出了一种利用归一化潮间红树林指数（NIMI）提取潮间带红树林的方法。该指数是由植被强吸收的红波段，强反射的两个红边波段和近红外波段组成的归一化表达式。利用该指数对福建省龙海九龙江口湿地的红树林进行了分类提取，提取结果与高分二号影像目视验证和现场调查结果进行了对照。结果显示，该方法提取红树林的用户精度达到93.98%，并显著优于利用归一化水体指数（NDWI）、归一化植被指数（NDVI）及随机森林的结果。  相似文献   

南亚高压区Rossby波能量向上穿越对流层顶传播的特征与机制          下载免费PDF全文

俞子闲  郭栋  李丽平  施春华  金鑫  李震坤  陈丹  林祥 《地球物理学报》2020,63(1):73-85

夏季平流层盛行强东风,Rossby波能量难以从对流层向上传播至平流层,而冬季平流层盛行西风,Rossby波能量容易上传,因此以往对Rossby波能量向平流层传播的研究多考虑冬季的情况.而事实上,因为夏季高原上空南亚高压反气旋环流,并非只有强东风存在,所以Rossby波能量也可能在南亚高压区向上传播,从而影响平流层的温度、风场及大气成分等.因此,本文利用ERA-interim逐日再分析资料,分析了1979—2015年夏季南亚高压区Rossby波能量穿越对流层顶传播的特征与机制.结果表明:Rossby波能量可以从南亚高压西北部的窗口区上传至平流层,最高可到达平流层顶,而在南亚高压的其他部分,Rossby波能量均不能穿越对流层顶上传或穿越对流层顶后无法继续上传.南亚高压西北区Rossby波能量可以穿越对流层顶传播的原因是盛行西风,且西风急流出现的频率很小,同时涡动热量通量异常引起的垂直分量的第一项对其上传有很大贡献.南亚高压东北区也盛行西风,然而Rossby波能量不能向上穿越对流层顶的原因是强西风出现频率较高,且温度脊与高度脊位相相近,不利于上传.南亚高压南部均盛行东风,在平流层中下层均为稳定层结,因此Rossby波能量很难上传.南亚高压西南区在对流层位于青藏高原环流的伊朗高原下沉区附近,层结稳定,并且温度脊超前于高度脊,所以Rossby波能量很难上传.而南亚高压东南区在对流层位于南海-西太平洋热带幅合带,层结不稳定,存在Rossby波能量较弱的上传,达到对流层顶后无法继续上传,该区域温度脊落后于高度脊的温压场配置也为Rossby波能量在对流层内的传播提供了条件.  相似文献   

基于遗传规划的泥石流多因子融合预测方法          下载免费PDF全文

翟淑花  冒建  南赟  刘欢欢  王云涛  王强强  熊春华  王艳梅 《中国地质灾害与防治学报》2020,31(6):111-115

泥石流是一种多发的地质灾害，常对人民生命财产安全带来极大的威胁，其暴发不仅与降雨有关，还与众多地质环境因子相关。本文以流域面积、松散物质比率、沟床平均坡度为地质因子，以最大小时雨强（T）和总降雨量（R）的乘积作为降雨指数，在获取的泥石流地质因子和降雨指数因子综合样本库的基础上，采用遗传规划法建立了泥石流临界降雨指数智能预测模型，克服了以往以雨量为单一指标的预警模型的弊端，模型验证结果显示，泥石流预测精度高、适应性强。  相似文献   

滑坡易发性预测不确定性:环境因子不同属性区间划分和不同数据驱动模型的影响          下载免费PDF全文

黄发明  叶舟  姚池  李远耀  殷坤龙  黄劲松  姜清辉 《地球科学》2020,45(12):4535-4549

对于滑坡易发性预测建模，连续型环境因子在频率比分析时的属性区间划分数量（attribute interval numbers，AIN）和不同易发性预测模型是两个重要不确定性因素.为研究这两个因素对建模的影响规律，以江西省上犹县为例，考虑5种连续型环境因子AIN划分（4、8、12、16及20）和5种数据驱动模型（层次分析法（analytic hierarchy process，AHP）、逻辑回归（logistic regression，LR）、BP神经网络（back-propagation neural network，BPNN）、支持向量机（support vector machine，SVM）和随机森林（random forest，RF）），总计25种不同工况下的滑坡易发性预测研究.再开展滑坡易发性指数的不确定性（包括精度评价和统计规律等）分析.结果表明:（1）对于同一模型，随着AIN值从4增加至8再到20时，易发性预测精度先逐渐提升，然后缓慢提升直至稳定；（2）对于同一AIN值，RF模型预测精度最高，其后依次为SVM、BPNN、LR和AHP模型；（3）在25种组合工况下，AIN=20和RF模型的预测精度最高，AIN=4和AHP模型精度最低，但在AIN=8和RF模型组合下的易发性建模效率较高且精度也较高；（4）更大的AIN值和更先进的机器学习模型预测出的滑坡易发性指数的不确定性相对较低，更符合实际的滑坡概率分布特征.在环境因子属性区间划分为8和RF模型工况下高效准确地构建滑坡易发性预测模型.   相似文献