Spatial-temporal Evolution of the Urban-rural Coordination Relationship in Northeast China in 1990–2018

To comprehensively understand the law of urban-rural relationship and propose scientific measures of urban-rural coordinated development in Northeast China, this study uses the coupling coordination degree model and geographically and temporally weighted regression(GTWR) model to analyze the spatial-temporal patterns and the corresponding driving mechanisms of its urban-rural coordination since 1990. The results are as follows. First, the urban-rural coupling coordination degree in Northeast Chi...     

中国地震科学实验场:历史与未来

如同一百个人的心目中有一百个哈姆雷特,一百个地震科学家心中也许会有一百二十个中国地震科学实验场.本文简要介绍一下经过两年时间,通过很多专家的沟通、讨论、争论、碰撞所形成的关于中国地震科学实验场的一些“共识性”基本概念,在一定意义上,也算是中国地震科学实验场本身的“公共模型”(community model).     

利用BP神经网络技术建立自贡地区地震动地形效应模型及其在汶川地震中的效验

地形效应是地震学、地震工程学和工程地震学中非常重要的研究课题.地震震后调查发现: 地形起伏变化引起了更严重的地震灾害, 地震仪器也记录到复杂的三维地形对地震动具有放大效应.关于地形激发的地震动效应问题, 目前仍处于定性研究阶段, 得到了一些定性的结论: 如地形效应表现为与地形坡度相关、与山脊和山谷相关、与山形坡面形态相关、与山体高宽比相关、与地形变化的尺度相关等等.这些定性结论没能给出影响地形效应的主要因素, 如何预测地形效应仍是难题.本文通过谱元数值模拟方法, 计算了自贡地区的地震动地形效应的放大系数, 同时引入BP神经网络技术, 揭示了地形放大系数可以用不同尺度地形上的变化来表述, 即可以用地形高程、地形变化梯度及其高阶变化梯度来表示.据此为参量, 文中建立了地形效应BP神经网络的预测模型, 并将该预测模型的结果与自贡地形台阵在汶川地震中的主震记录获得的地形放大系数结果进行了对比, 给出了预测结果与实际结果的差异范围, 讨论了造成差异的成因, 该论文提出的研究方法为更全面的研究地形效应提供了重要的研究思路.

     

海底AUV关键技术综述

海底海洋的观测探测,亟需大范围、长时间的观测平台。海底AUV有三大要点：适应海底机动性的结构、适应海底复杂环境的机敏运动性能、适应海底的水声通信定位技术。本文分析了海底AUV的发展与演变历程,凝练出海底AUV的关键技术难题,并相应地给出海底AUV水动力外形优化技术、海底AUV机敏运动控制技术、海底水声通信与定位导航技术、海底接驳与充电技术的解决思路。最后以碟形结构的水下直升机为例,给出了海底AUV的实践探索一例。本文将为海底AUV及其观测探测技术的发展提供指导意义。     

新型火箭弹人工影响积云内外电场试验

试验证明:新型火箭弹经过特殊处理后,通过播撒金属或非金属导体粉末,使云内外电场的绝对值减小。云内外电场值越大,新型火箭弹对其电场影响亦越大,反之亦然;新型火箭弹有增雨效果;该成果的应用将为海上舰船、火箭发射以及林区提供有效的主动雷电防御手段,从而有效降低雷电给人类造成的灾害。     

海温异常对东亚夏季风影响机理的研究进展

利用湖北省梅雨监测资料、国家气候中心新百项指数和NCEP/NCAR环流资料,分析了2020年湖北梅雨异常特征及其成因。结果表明：（1）2020年湖北梅雨持续时间异常长,为54 d,仅次于1996年;梅雨量异常多、强度强、雨日率大,均为1961年以来第1位。（2）高空西风急流、副热带高压、夏季风系统的冬夏调整季节性进程早,是造成湖北入梅早的主要原因。西风急流和副热带高压在7月下旬北跳,较常年时间偏晚,导致了出梅晚。入梅早、出梅晚,梅雨持续时间异常长。（3）在前冬El Niño事件、春夏热带印度洋海温偏暖和北大西洋三极子负位相的共同影响下,欧亚中高纬经向环流发展,冷空气活跃,副热带高压强且位置稳定,西侧水汽输送强,冷暖气流在长江中下游交汇,造成湖北省梅雨量异常偏多。

     

历史地理视角下丝绸之路空间格局及影响研究

已有的“一带一路”相关研究已逐步引起了学界对历史文化资源于今日发展影响的关注,然而作为“一带一路”倡议的历史依托和出发点,丝绸之路相关量化研究仍处于起步阶段。从文明的角度来说,如何认识丝绸之路是当代中国理解全球的关键。运用OLS、Logistic回归等手段,定量探讨了丝绸之路路线的形成动因以及其对历史及当代的影响。结果表明：① 丝绸之路道路密度分布总体处于波动状态,在以罗马、长安、大都为代表的交通网络起始点以及撒马尔罕、塔什干为代表的内线重要中转枢纽处密度数值大幅提高。② 作为商业贸易通道,丝绸之路路线选择影响最大的因素是地理因子,主要倾向于低坡度、高起伏度的地区,这一点在中亚复杂山地地形中表现得尤为明显。③ 丝绸之路的开辟与通畅,对当时社会经济、城市发展起到了显著的作用。丝绸之路道路密度同距最近海岸距离、纬度、历史文明指数等指标一道构成了古代城市分布的主要影响因素。④ 丝绸之路对区域经济发展的正面影响具有一定的持续性,其对今日经济的发展仍起着难以否认的支撑作用。丝绸之路道路密度每增加1%,所在区域夜间灯光指数增加0.373。本文通过横跨历史学、地理学、经济学的探索能够很好地提供差异化理论视角和技术手段助益,为相关研究的开展起到一定的参考与启发作用,同时也为“一带一路”相关理论的完善提供理论支撑与历史证明。     

天津滨海新区地下空间开发适宜性评价

依据现有研究成果,本文论述了天津滨海新区工程地质背景.选取淤泥质土厚度、20 m以浅粉砂土分布、第Ⅰ海相层底板埋深、地面沉降、地下水腐蚀性为评价因子,采用层次分析和综合评分数学模型,对滨海新区非明开挖及时支护的线性地下空间工程进行了适宜性评价.评价结果表明,区内东部沿海边一带地下空间开发适宜性较差,盾构施工及支护难度较大,占总面积的24%;西部、南部及北部地下空间开发适宜性较好,盾构施工及支护难度小,占总面积的46%;其余区域为一般区,盾构施工及支护难度中等,占总面积的30%.     

基于L-M神经网络的陡崖层状危岩失稳模式预测

明确危岩变形失稳模式是预防和治理研究的前提,但如今的传统预测方法存在成本高昂、实用性不强等缺点,尤其是在强烈地震诱发下。本文采用基于Levenberg-Marquardt法的神经网络结构,并借助三维离散元数值模拟手段,综合考虑了陡崖层状危岩的节理倾角、危岩边长、危岩高宽比、危岩堆积层数等影响变形失稳模式因素,以危岩变形失稳模式为研究对象,影响因素为切入点,建立了陡崖层状危岩变形失稳模式预测的神经网络模型。并基于由数值模拟计算得到的危岩变形失稳模式样本训练所建立的神经网络,最后分析了该预测模型的准确性。结果表明：该模型具有较好的学习和泛化能力,预测精度达到86.7%,验证了基于Levenberg-Marquardt法的神经网络预测危岩变形失稳模式的方法是有效且实际可行的。     

The use of digital technologies for landslide disaster risk research and disaster risk management: progress and prospects

Landslide is a serious natural disaster next only to earthquake and flood, which will cause a great threat to people’s lives and property safety. The traditional research of landslide disaster based on experience-driven or statistical model and its assessment results are subjective , difficult to quantify, and no pertinence. As a new research method for landslide susceptibility assessment, machine learning can greatly improve the landslide susceptibility model’s accuracy by constructing statistical models. Taking Western Henan for example, the study selected 16 landslide influencing factors such as topography, geological environment, hydrological conditions, and human activities, and 11 landslide factors with the most significant influence on the landslide were selected by the recursive feature elimination (RFE) method. Five machine learning methods [Support Vector Machines (SVM), Logistic Regression (LR), Random Forest (RF), Extreme Gradient Boosting (XGBoost), and Linear Discriminant Analysis (LDA)] were used to construct the spatial distribution model of landslide susceptibility. The models were evaluated by the receiver operating characteristic curve and statistical index. After analysis and comparison, the XGBoost model (AUC 0.8759) performed the best and was suitable for dealing with regression problems. The model had a high adaptability to landslide data. According to the landslide susceptibility map of the five models, the overall distribution can be observed. The extremely high and high susceptibility areas are distributed in the Funiu Mountain range in the southwest, the Xiaoshan Mountain range in the west, and the Yellow River Basin in the north. These areas have large terrain fluctuations, complicated geological structural environments and frequent human engineering activities. The extremely high and highly prone areas were 12043.3 km² and 3087.45 km², accounting for 47.61% and 12.20% of the total area of the study area, respectively. Our study reflects the distribution of landslide susceptibility in western Henan Province, which provides a scientific basis for regional disaster warning, prediction, and resource protection. The study has important practical significance for subsequent landslide disaster management.