排序方式： 共有7条查询结果，搜索用时 15 毫秒
1
1.
地质雷达在活动断裂研究中的应用 总被引：1，自引：0，他引：1
对于快速发生沉积和侵蚀的地区,断裂附近的古地震遗迹会很快被掩埋。获取这些地区断裂的位置、上断点的埋深和标志层的断距等方面的数据至关重要。本文利用地质雷达探测技术探测这些被埋藏的古地震遗迹。以北京平原区正断性质的新夏垫断裂和青藏高原东北缘六盘山地区逆冲性质的六盘山东麓断裂为实验区。通过探测发现,对于断裂两侧地表覆盖层主要为粉土或粉质粘土的新夏垫断裂,地质雷达可精确定位断裂通过的位置,指示上断点的埋深,但无法在地质雷达剖面上识别出各套地层。对于在T1基座阶地上通过的六盘山东麓断裂,地质雷达不但可以精确定位断裂的位置,而且可以在地质雷达剖面上识别出各套地层,进而求得断裂两侧基座的断距。 相似文献
2.
热带气旋各个要素对于海表面降温的影响 总被引：1，自引：0，他引：1
热带气旋的经过会引起海洋内部强烈的剪切,由剪切不稳定触发的强混合可以将温跃层的冷水卷挟上来,导致海洋混合层加深和海表面温度的下降。本文利用3-Dimensional Price Weller and Pinkel(3DPWP)模式模拟了不同热带气旋下的海表面降温,分别研究了热带气旋各个要素(气旋的强度,最大风速半径和移动速度)对于海表面降温的影响。模拟结果表明,海表面降温的空间分布主要受到气旋移动速度的影响,移动速度越快的降温,右偏现象越明显。海表面降温的幅度以及降温的区域随着气旋强度和最大风速半径的增大而单调递增,随移动速度增加而单调递减。海表面降温与热带气旋3个要素的拟合结果表明,气旋各个要素对于海表面降温影响作用的大小不同:在气旋移动速度较慢(小于4.5m/s)时,海表面降温主要受到气旋级别和移动速度的影响,在气旋移动速度较快(大于4.5m/s)时,气旋移动速度的影响作用减弱,海表面降温主要受气旋级别的影响。气旋最大风速半径的影响作用始终较小。 相似文献
4.
河流阶地面是一种时间性、连续性非常高的层状地貌面,利用跨断层地区的河流阶地变形可以定量地判别一个地区的断层活动性。青衣江横跨龙门山断裂带南段是一条区域性大河,由于龙门山南段构造活动强烈且河流阶地被侵蚀程度严重,为了在室内更好、更快地解译青衣江河流阶地,使野外调查工作更具有针对性,本文在龙门山南段青衣江流域小关子至飞仙村一段,采用航测遥感技术制作的2m分辨率DEM和1/5万数字高程模型,基于Arc GIS和MATLAB平台进行了阶地面提取和聚类分析,以模拟野外测量阶地的流程,试图通过计算机提取,快速获取该地区更多的残余地貌面,建立起较为完整的河流阶地纵剖面。研究结果表明:野外测量数据与计算机自动提取结果相似度较高,具有较好的一致性;在完整的阶地剖面中发现了芦山盆地内部阶地具有疑似拱曲现象;在大川-双石断裂附近阶地有翘起现象,推测芦山盆地西缘阶地拱曲是由大川-双石断裂东侧的一条未知断层引起的,大川-双石断裂附近阶地的翘起现象可能是在断层逆冲推覆过程中形成的,同时结合区域年代历史数据,推测该地区(芦山盆地至大川-双石断裂)至少在晚更新世曾发生过构造活动。 相似文献
5.
利用三维可视化卫星遥感影像分析龙蟠-乔后断裂带的几何结构 总被引：1，自引：0，他引：1
本文对龙蟠-乔后断裂,采用1/5万数字高程模型和2.5m分辨率的ALOS遥感影像,在ENVI 4.5平台上将二者融合,获取三维可视化卫星遥感影像。从不同的角度、尺度,对三维影像进行构造地貌解译,获得断裂的展布和活动性质。之后选择部分场点考察验证,发现地质地貌体的断错特征与影像上分析的一致,说明三维影像的构造地貌解译在获得断裂几何展布研究中完全适用。本文应用该方法对龙蟠-乔后断裂的研究表明:龙蟠-乔后断裂由北向南依次经过老母增、龙蟠东、鸿文、雄古、北高寨、龙门邑、桃园、东富乐、岩峰场等;依据断裂几何不连续、走向变化、活动性质变化等,由北向南分为龙蟠段、鸿文段、九河段、剑川盆地段、东富乐段。龙蟠段与鸿文段为左旋左阶斜列;鸿文段与九河段为左旋左阶斜列,九河段走向相较鸿文段和南侧的剑川段逆时针旋转约5°,九河盆地的发育与走向变化相关;九河段与剑川盆地段为左旋右阶斜列,剑川盆地的发育不仅与龙蟠-乔后断裂相关,更可能与丽江-小金河断裂的活动也相关;剑川盆地段与东富乐段为左旋右阶斜列,斜列区为拉分性质的沙溪盆地。综上可知,龙蟠-乔后槽谷的形成与断裂最新几何结构和运动性质仅在部分段落上一致,从这个角度看槽谷的形成不排除古河道等其它因素的影响。 相似文献
6.
土壤制图中多目标属性的环境因子及其尺度选择——以黑龙江鹤山农场为例 总被引：1，自引：0，他引：1
研究影响不同土壤属性空间分布的协同环境因子及其作用尺度,对于理解不同土壤属性的成土发展、土壤推测制图及针对多种土壤属性的空间采样设计具有重要意义。针对多种土壤属性,探索不同土壤属性的重要相关环境因子及其作用尺度,并就不同环境因子及其尺度的不同对土壤属性推测制图的影响展开研究。以黑龙江省鹤山农场为研究区,以表层砂粒、粉粒、黏粒、有机质含量和土壤厚度5种土壤属性为研究对象,根据计算邻域窗口大小的不同,生成173个不同尺度的地形因子,对单尺度地形因子和多尺度地形因子进行重要性排序,并根据重要性排序构建单尺度环境因子集1和多尺度环境因子集2,和基于专家知识选出的基准环境因子集3进行制图精度的对比。结果表明：当单尺度地形因子进行重要性排序选择时,所选出的5种土壤属性的重要相关环境因子与基准环境因子集3明显不同。当多尺度环境因子参与时,尽管对各土壤属性的作用尺度不同,各土壤属性排名靠前的因子绝大多数是基准环境因子。砂粒和粉粒的重要相关因子及作用尺度相当,但与黏粒的重要相关因子和作用尺度差别很大,有机质和土壤厚度的重要相关因子十分相似。环境因子集2较基准环境因子集3的制图精度显著提高,RMSE均值提高百分比为7.8%~21.3%,较环境因子集1的制图RMSE均值提高百分比为8.7%~16.5%。因此,针对不同的土壤属性进行制图或采样设计时,需充分考虑其环境因子和作用尺度的不同,针对基准环境因子选择适宜的尺度较选择不同的相关环境因子更重要。 相似文献
7.
海浪直接影响海上活动和航行安全,同时也蕴藏着巨大的可再生能源,对海浪核心参数之一波高预测至关重要。基于2015年7月~2022年6月山东小麦岛(36°N, 120.6°E)站点实测的波高数据, 利用反向传播神经网络(back-propagation neural network, BPNN)、长短记忆网络(long short-term memory, LSTM)和支持向量机回归(support vector regression, SVR)三种机器学习模型对波高进行预测, 并分析了瑞利参数的引入对预测结果的影响。结果显示, 模型输入项引入瑞利参数后, 对1 h和6 h波高预测提升效果有限, 预测值与测试集的相关性提升不超过0.02, 均方根误差的降低不超过0.01 m; 在12 h和24 h的预测中, BPNN和LSTM模型预测结果相关性提升0.03~0.07, 均方根误差降低0.02~0.03 m, 而SVR模型预测结果变化不显著。说明瑞利参数有助改善BPNN和LSTM模型中长期海浪预报。此外, 特征扰动方法(机器学习中特征重要性的计算方法之一)验证了瑞利参数在波高预测中的重要性, 瑞利参数的引入为波高的机器学习预测提供了新思路。 相似文献
1