【摘 要】
：
晚中新世-上新世古生态演化是探讨构造-气候-生态环境相互耦合作用的热点议题,该时段不同区域C4植物是否发生大规模扩张及其在时空维度上如何演化等问题尚存争议。以青藏高原东北缘小水子红黏土为研究对象,基于总有机碳同位素重建了小水子地区晚中新世-上新世(6.7~3.6 Ma)的植物生态型,并结合周边结果对C3/C4植被时空演化进行综合对比研究。研究表明:小水子地区晚中新世-上新世以C3植被为主(平均丰度95%),伴生小部分C4植被;C4植被在空间上以六盘山为界呈现东多西少模式,南北方向上在37°~38°N范围内
【机 构】
：
曲阜师范大学地理与旅游学院,兰州大学资源环境学院西部环境教育部重点实验室,兰州大学地质科学与矿产资源学院
【基金项目】
：
国家自然科学基金项目(41330745,41971099)资助。
论文部分内容阅读
晚中新世-上新世古生态演化是探讨构造-气候-生态环境相互耦合作用的热点议题,该时段不同区域C4植物是否发生大规模扩张及其在时空维度上如何演化等问题尚存争议。以青藏高原东北缘小水子红黏土为研究对象,基于总有机碳同位素重建了小水子地区晚中新世-上新世(6.7~3.6 Ma)的植物生态型,并结合周边结果对C3/C4植被时空演化进行综合对比研究。研究表明:小水子地区晚中新世-上新世以C3植被为主(平均丰度95%),伴生小部分C4植被;C4植被在空间上以六盘山为界呈现东多西少模式,南北方向上在37°~38°N范围内
其他文献
目的:探讨MRI对良恶性滋养细胞疾病(GTD)的诊断价值。方法:回顾性分析55例(良性15例,恶性40例)经临床手术病理证实GTD的MRI表现。结果:15例良性病灶均位于宫腔,子宫肌层无受累;40例恶性病灶位于宫腔26例,宫颈管2例,均伴有子宫肌层浸润;位于子宫肌层12例,位于肌层的病灶,子宫结合带连续。MRI表现为病灶呈混杂信号影,T1WI于低信号中夹杂高信号者良性3例、恶性20例;增强扫描后40例恶性病变中10例呈动脉期强化,15例病灶分隔及实性部分中度以上强化,15例囊性病灶中央可见“暴风雪”样
传统基于深度卷积神经网络的场景分类方法往往需要大量标记样本用于模型的参数训练,在标记训练集数量有限的情况下,学习得到的特征泛化能力降低。针对这一问题,本文提出了高分影像分类的半监督深度卷积神经网络学习方法(3sCNN),采用自学习半监督策略,训练阶段不断增加训练样本:首先,通过有限的标记数据对深度网络进行初步训练;然后,利用经过初步训练的网络对未标记数据进行预测,得到未标记样本的预测标签及其对应的
从业务化应用的角度针对合成孔径雷达(synthetic aperture radar, SAR)卫星的平面定位能力及高程测量能力进行了分析与展望。在平面定位方面,TerraSAR-X、COSMO-SkyMed及天绘二号已经达到了1∶50 000比例尺数字正射影像产品生产指标要求,其中TerraSAR-X的业务化平面定位精度优于2 m,其业务化控制点产品生产精度为3 cm。本文综合介绍了厘米级高精度
长期以来流行的球度和圆度概念不足以刻画冰碛石及其他成因砾石的细微特征,需要在其基础上进一步挖掘有判别价值的标志性特征。针对冰碛石与泥石流石辨识的疑难问题,提出外接圆特征、粗糙度特征、圆度-体积特征以及混杂堆积砾石形态构成特征等几个概念。通过这些特征研究,结合真实的冰川擦痕、颤痕等标志,可更加准确地进行冰川沉积物与其他成因沉积物的判定。
目的:探讨腹腔镜精索静脉高位结扎术治疗精索静脉曲张效果。方法:将100例精索静脉曲张患者随机分为对照组和观察组各50例,对照组行经腹膜外开放性精索静脉高位结扎术,观察组行腹腔镜精索静脉高位结扎术,比较两组围术期指标、疼痛程度[视觉模拟评分法(VAS)]。结果:观察组总有效率高于对照组(P<0.05),两组手术时间比较差异无显著性(P>0.05);观察组术中出血量少于对照组,住院时间短于对照组(P<0.01),术后1 d、3 d的VAS评分均低于对照组(P<0.01)。结论:腹腔镜精
教师的课堂语言极具重要性,对学生的影响也是巨大的。教师要通过自身的智慧,通过具有创造力、亲和力、内驱力和凝聚力的语言鲜活属于自己的课堂,从而打造适合学生的生机勃勃的课堂。
西藏东南部的“古乡冰期”和“白玉冰期”是划分中国第四纪冰期的蓝本。其中,白玉冰期即末次冰期,分为早阶段和晚阶段,相对应的冰川沉积广泛分布于本区的波堆藏布谷地。已有的冰川数值年代结果显示,末次冰期晚阶段的冰川作用发生于海洋氧同位素阶段(MIS)2。然而,关于早阶段的冰进记录,目前却未有确切的年代学证据,此次冰川作用究竟发生于MIS 4还是MIS 3,是一个悬而未决的问题。在前人研究及野外地貌调查的基础上,运用光释光测年手段对波堆藏布谷地疑似形成于末次冰期早阶段的冰碛垄进行测年,年代结果介于(56.4±4.2
建筑物、大型工程结构、边坡等受到内在与外在的复杂因素影响下,产生不同程度的变形。通过变形监测及变形数据分析,可及时、准确地掌握形变过程信息。变形特征提取与分析是变形数据处理的核心内容之一,是建筑物与工程结构精确健康监测、预报预警的关键,是变形灾害防治的重要理论与实践基础。由于变形体变形过程及变形数据采集过程中受到多种不确定性环境因素与人为因素的影响,变形数据具有显著的非线性、非平稳、
传统的U-Net卷积神经网络大多存在深层网络梯度消失的问题。本文在U-Net卷积神经网络中加入残差模块,提出了一种改进U-Net卷积神经网络。残差模块保证了U-Net卷积神经网络在误差反向传播过程中梯度的存在,在一定程度上可以缓解梯度消失的问题。最后将改进U-Net卷积神经网络应用于实际储层预测中,实际数据测试结果表明基于改进U-Net卷积神经网络在岩性识别以及“甜点”预测上均能取得较好的效果。
积雪深度是积雪的重要结构参数,获取高精度雪深空间分布信息对于流域尺度水资源管理、气候变化研究和灾害预报等具有重要意义。本文以新疆阿尔泰山南坡克兰河上游为研究区,利用C波段全极化GF-3数据及地面同步观测数据,根据VV与HH极化信号在积雪中折射率不同导致相位差异的原理,使用Maxwell-Garnett方程构建同极化相位差(co-polarized phase difference, CPD)的正演