【摘 要】
：
沉陷是井下煤田开采对土地破坏的主要形式,沉陷地面一般占井下煤田开发总土地破坏面积的80%以上。对于高潜水位矿区,采煤沉陷地的复垦治理尤为重要。本文以高潜水位矿区的采
论文部分内容阅读
沉陷是井下煤田开采对土地破坏的主要形式,沉陷地面一般占井下煤田开发总土地破坏面积的80%以上。对于高潜水位矿区,采煤沉陷地的复垦治理尤为重要。本文以高潜水位矿区的采煤沉陷地为研究对象,在掌握多种复垦方法的基础上,依据沉陷强度、积水率、坡度、侵蚀程度等土地分类指标,采用不同的土地分类方法对采煤沉陷地进行分类,即按土地的产权因素、稳沉状况因素、破坏程度因素进行综合分类,得到20种不同类型的采煤沉陷地。根据矿山开采沉陷规律、矿井规划、地质情况及实测资料确定地表移动参数,从而对矿区进行开采沉陷预计,得到各煤层开采后的沉降情况,绘制下沉等值线图,对采煤沉陷地进行稳定性分析。依据矿区地形图及其它地质地形资料确定煤层开采引起的地形变化、积水程度及其破坏程度,得到稳定沉陷地、不稳定沉陷地和未沉陷地,其中稳定沉陷地和不稳定沉陷地又细分为非积水沉陷干旱地、沉陷沼泽地、季节性积水沉陷地、常年浅积水沉陷地、常年深积水沉陷地。针对不同类型的稳定沉陷地,因地制宜,综合应用充填复垦、平整土地与修建梯田复垦、疏排法复垦、挖深垫浅复垦、建筑复垦和积水区综合利用等不同的复垦方法进行复垦;未稳定沉陷地采用动态沉陷复垦方法,根据准确的开采计划,合理安排复垦时间;采用地表沉陷预计,确定出待下沉地的深度和范围,从而采用预排矸石充填复垦方法进行待沉陷地的复垦。
其他文献
SAR图像地物分类是SAR图像自动解译技术的重要环节,分类后的图像能够广泛应用于地图绘制、自然灾害分析、军事侦察等任务中,在军事和民用领域都具有重要的应用价值。然而,SAR
建模为Gamma分布的多视SAR影像，由于Gamma函数的存在，EM算法对期望函数求导无法求解出Gamma函数的解析式，而且在变类影像分割中，EM算法无法实现多视SAR影像类别数的自动确定。为
超富集植物（hyperaccumulator），是指能够超量吸收重金属或半金属（通常为普通植物在同一生长条件下的100倍）并将其转运到地上部分的植物。超富集植物所具有的重金属耐性或积累能力
根毛是根表皮细胞上突起的长管状细胞,它通过极大地增加根系表面积来帮助植物更好的吸收养分,实现土壤固着以及与微生物的互作。之前通过对EMS突变体库筛选得到了一个水稻短根毛突变体ksrh2(kasalath shoot root hair mutant2),水培条件下,该突变体的根毛生长受到显著的抑制。我们进一步对该突变体在不同pH条件下的表型进行了分析,结果发现在pH4.5的条件下,ksrh2根毛生
传统聚类算法依赖于表征聚类性的特征量,并且当其用于图像分割时聚类特征量定义的不完备性会导致图像分割精度降低以及噪声敏感性增强。为此,本文摒弃了利用聚类特征量表达聚类的思想,以互信息定义全局相似性,提出了基于信息聚类的遥感图像分割方法。首先,利用Gaussian分布和Potts模型分别建立图像的特征场模型和标号场模型;然后,定义二元或多元组合的互信息测度,以表征同质区域内以及同质区域间像素灰度的相似