胶东西涝口金矿深部110Ma角闪辉长岩脉及其对成矿时代的约束   总被引：1，自引：1，他引：0  

耿科  李大鹏  胡秉谦  闫江雁  邹双英  张岩  尉鹏飞  刘强  蔡娜  张超 《矿床地质》2020,39(6):974-994

西涝口金矿是胶莱盆地北东缘新近取得找矿突破的蚀变岩型金矿，金矿体主要赋存于古元古界荆山群与牧牛山二长花岗岩之间的构造破碎带中。前期在其深部新发现的角闪辉长岩脉中，通过人工重砂分选，获得了自然金。为探索其与金成矿的关系，文章对其进行了主量、微量元素、锆石U-Pb年代学以及Hf同位素研究。主量、微量元素分析结果表明，角闪辉长岩属钾玄岩岩石系列，全碱、Ba、Sr、轻稀土元素含量高，Rb、P和重稀土元素含量相对较低，无铕异常或有轻微的正铕异常，明显亏损Nb、Zr、Hf等高场强元素，具有富集大离子亲石元素与轻稀土元素、亏损高场强元素与重稀土元素的地球化学特征，类似于富闪深成岩。锆石Hf同位素结果显示，其岩浆锆石的ε_Hf（t）为-14.0~-11.8，暗示其来源于富集地幔源区或存在源区混染的可能性。锆石LA-ICP-MS U-Pb定年结果显示，角闪辉长岩年龄为（108.4±2.2）Ma，属早白垩世晚期，明显晚于郭家岭、伟德山序列岩体。综上，笔者认为西涝口金矿角闪辉长岩形成于俯冲板片脱水而导致上覆地幔楔部分熔融，其成因可能与古太平洋板块向华北板块俯冲所形成的火山弧有关，其与该区金成矿过程密切相关，极有可能在成矿过程中直接提供了金的来源。西涝口金矿的形成时代应当在110 Ma左右，胶东东部应该存在110 Ma的金成矿事件。  相似文献   

深度学习在高分辨率遥感影像冬油菜提取中的应用   总被引：2，自引：0，他引：2  

杨泽宇  张洪艳  明金  冷伟  刘海启  游炯 《测绘通报》2020,(9):110-113

近年来，深度学习在基于高分辨率遥感影像的农作物种植信息提取领域应用广泛。本文充分利用油菜在盛花期的光谱特征，提出了基于深度学习理论的单时相高分辨率遥感影像油菜分布提取方法。以2016年湖北省沙洋县作为研究区域，获取油菜盛花时期高分一号（GF-1）影像，并以沙洋县为基础影像，通过手工标记制作油菜训练样本。设计两种深度学习框架模型，一种以卷积神经网络（CNN）为框架，构建一维卷积神经网络（1D-CNN）模型，第二种以循环神经网络（RNN）为框架，组合门控循环单元（GRU）模型，训练标准样本模型，完成油菜分类提取。最后，与传统支持向量机（SVM）、随机森林（RF）方法进行了结果对比。试验结果表明，本文设计的基于深度学习CNN和RNN模型提取的冬油菜空间分布精度和面积精度皆优于其他两种方法，为进一步实现冬油菜提取自动化提供试验基础。  相似文献   

完全残差连接与多尺度特征融合遥感图像分割     

张小娟  汪西莉 《遥感学报》2020,24(9):1120-1133

遥感图像数据规模大，光照、遮挡等情况复杂，目标密集、尺度不一以及缺乏大量带标注图像用于训练深度网络等特点对遥感图像分割的完整性和正确性造成了更大的挑战。针对深度卷积网络中因多次卷积造成分辨率显著下降，像素类别预测精度降低的问题，本文在深度卷积编码—解码网络的基础上设计了一个采用完全残差连接和多尺度特征融合的端到端遥感图像分割模型。该模型具有两方面优点：首先，长距离和短距离的完全残差连接既简化了深层网络的训练，又为本层末端融入了原始输入信息，增强了特征融合。其次，不同尺度和方式的特征融合使网络能够提取丰富的上下文信息，应对目标尺度变化，提升分割性能。本文通过对ISPRS Vaihingen和Road Detection数据集做数据扩充并进行实验，分别从平均IOU、平均F1值两方面对模型进行评价。通过与目前先进的模型以及文献中的研究成果进行比较，结果表明本文所提模型优于对比模型，在两个数据集上的平均IOU分别达到了85%和84%，平均F1值分别达到了92%和93%，能够有效提高遥感图像目标分割的完整性和正确性。  相似文献   

超深超大深基坑逆作法施工关键技术          下载免费PDF全文

钟明  曾纪文  贺浩 《探矿工程》2020,47(6):73-78

武汉南国中心一期基坑支护工程采用逆作法施工，周边环境复杂，场区内砂层较厚，基坑设计技术要求高，特别是支护结构地下连续墙、立柱桩垂直度要求高、嵌岩深，施工时在软硬互层部位容易产生偏斜，入岩效率低。针对工程施工重难点，从设备选型、工艺选择、钻头选用等方面采取措施，解决逆作法超深超大基坑支护结构施工中的困难问题，介绍了解决问题的思路，取得了显著的效果，施工质量满足相关技术要求。  相似文献   

A lightweight ensemble spatiotemporal interpolation model for geospatial data     

Shifen Cheng  Peng Peng 《International journal of geographical information science》2020,34(9):1849-1872

ABSTRACT

Missing data is a common problem in the analysis of geospatial information. Existing methods introduce spatiotemporal dependencies to reduce imputing errors yet ignore ease of use in practice. Classical interpolation models are easy to build and apply; however, their imputation accuracy is limited due to their inability to capture spatiotemporal characteristics of geospatial data. Consequently, a lightweight ensemble model was constructed by modelling the spatiotemporal dependencies in a classical interpolation model. Temporally, the average correlation coefficients were introduced into a simple exponential smoothing model to automatically select the time window which ensured that the sample data had the strongest correlation to missing data. Spatially, the Gaussian equivalent and correlation distances were introduced in an inverse distance-weighting model, to assign weights to each spatial neighbor and sufficiently reflect changes in the spatiotemporal pattern. Finally, estimations of the missing values from temporal and spatial were aggregated into the final results with an extreme learning machine. Compared to existing models, the proposed model achieves higher imputation accuracy by lowering the mean absolute error by 10.93 to 52.48% in the road network dataset and by 23.35 to 72.18% in the air quality station dataset and exhibits robust performance in spatiotemporal mutations.  相似文献   

中沙地块南部断裂发育特征及其成因机制          下载免费PDF全文

徐子英  汪俊  高红芳  姚永坚  朱荣伟  唐江浪  聂鑫  孙美静 《中国地质》2020,47(5):1438-1446

利用最新多道地震剖面资料，结合重力、磁力、地形等地球物理资料，揭示了中沙地块南部断裂空间展布特征、断裂发育时期、断裂内部构造形变特征及深部地壳结构，并基于认识探讨了断裂的发育机制。研究结果认为，中沙地块南部陆缘构造属性为非火山型被动大陆边缘：地壳性质从西北向东南由减薄陆壳向洋陆过渡壳再向正常洋壳发育变化；Moho面埋深从中沙地块下方的26 km快速抬升到海盆的10~12 km；从中沙地块陡坡至其前缘海域的重力异常明显负异常区为洋陆过渡带，在重力由高值负异常上升到海盆的低值正、负异常的边界为洋陆边界。中沙地块南部发育有4组阶梯状向海倾的深大正断裂，主要发育时期为晚渐新世到中中新世。断裂早期发育与南海东部次海盆近NS向扩张有关，后期遭受挤压变形、与菲律宾海板块向南海的NWW向仰冲有关。该研究有助于更好认识南海海盆的扩张历史和南海被动大陆边缘的类型。  相似文献   

Evaluations and comparisons of rule-based and machine-learning-based methods to retrieve satellite-based vegetation phenology using MODIS and USA National Phenology Network data     

《International Journal of Applied Earth Observation and Geoinformation》2020

Vegetation phenology is a sensitive indicator that reflects the vegetation–atmosphere interactions and vegetation processes under global atmospheric changes. Fast-developing remote sensing technologies that monitor the land surface at high spatial and temporal resolutions have been widely used in vegetation phenology retrieval and analysis at a large scale. While researchers have developed many phenology retrieving methods based on remote sensing data, the relationships and differences among the phenology retrieving methods are unclear, and there is a lack of evaluation and comparison with the field phenology recoding data. In this study, we evaluated and compared eight phenology retrieving methods using Moderate Resolution Imaging Spectroradiometer (MODIS) and the USA National Phenology Network data from across North America. The studied phenology retrieving methods included six commonly used rule-based methods (i.e., amplitude threshold, the first-order derivative, the second-order derivative, the third-order derivative, the relative change curvature, and the curvature change rate) and two newly developed machine learning methods (i.e., neural network and random forest). At the large scale, the start of the season (SOS) values, derived by all methods, had similar spatial distributions; however, the retrieved values had large uncertainties in each pixel, and the end of the season (EOS) inverted values were largely different among methods. At the site scale, the SOS and EOS values extracted by the rule-based methods all had significant positive correlations with the field phenology observations. Among the rule-based methods, the amplitude threshold method performed the best. The machine learning methods outperformed the rule-based methods in terms of retrieving the SOS when assessed using the field observations. Our study highlighted that there were large differences among the methods in retrieving the vegetation phenology from satellite data and that researchers must be cautious in selecting an appropriate method for analyzing the satellite-retrieved phenology. Our results also demonstrated the importance of field phenology observations and the usefulness of the machine learning methods in understanding the satellite-based land surface phenology. These findings provide a valuable reference for the future development of global and regional phenology products.  相似文献   

基于R-FCN_ResNet的深海冷泉区生物的识别与分布研究     

李海菊  连超  管利聪  李超伦  栾振东 《海洋科学》2020,44(9):54-62

针对深海冷泉生物数量多、密度大、特征低，人工识别它们的种类和数取它们的数量耗时费力且准确度低这一问题，利用残差学习块，改进了基于区域的全卷积网络算法，用以深海冷泉生物的自动识别与检测。首先，构建了一组包括5类目标生物的深海冷泉生物图像目标检测数据集；然后，在TensorFlow框架下对比了R-FCN_ResNet、Faster R-CNN和SSD_MobileNet三种典型的卷积神经网络算法。从训练耗损时间、平均检测速度、平均置信度三方面权衡，突出了R-FCN_ResNet模型的优势；最后，将测试集图片输入至该模型中检测深海冷泉生物的种类和数量，并且以此复现了生物的分布情况。实验证明，所提方法结合本文数据集进行的深海冷泉生物识别与分布研究，是有效可行的，且具有较高的目标分类和定位准确率。  相似文献   

基于深度学习的中尺度涡检测技术及其在声场中的应用     

谢鹏飞  宋弢  徐丹亚  柴柏林  李忠伟 《海洋信息》2020,35(1):18-26

针对海洋中尺度涡的检测与参数提取问题,本文使用中尺度涡SAR图像数据集,提出基于深度学习的EddyYolo目标检测模型进行中尺度涡的涡旋中心和涡旋水平尺度的多目标检测,并且提取涡心位置和涡旋水平半径等参数.实验结果表明:本文提出的EddyYolo模型实现了涡旋中心和涡旋水平尺度的多目标检测,检测准确率达到94%.在此基础上,结合二维高斯涡模型和三维中尺度涡模型,本文提出了基于卫星遥感与声学对中尺度涡的联合建模方法.  相似文献   

机器学习在地震紧急预警系统震级预估中的应用          下载免费PDF全文

胡安冬  张海明 《地球物理学报》2020,63(7):2617-2626

地震预警是地震减灾工作的重要途径,而震级预估是整个地震紧急预警系统中重要且较为困难的一个环节.目前,世界上多个国家和地区都已建立了各自的地震预警系统,并且形成了特征频率(τ_p和τ_c等)相关和特征振幅(Pd等)相关的两类震级紧急预警的方法,但各有局限性.本文在已有的方法和理论基础上,运用机器学习算法,将日本KIK和KNET台网从2015年至2017年所记录到的843条地震目录,55426条记录作为全数据集,设计、训练出一套用于常见震级范围的机器学习震级预估模型.与已有方法的预估结果相比,机器学习方法不仅使预估的整体误差和方差下降,同时多台联合评估单一地震事件的截面方差也更低.本研究的结果显示了机器学习算法在震级紧急预估问题上具有较广阔的应用前景,同时也为较为复杂的深度学习类算法框架下端到端模型提供了实践基础和研究可能.  相似文献