【摘 要】
：
提高生态效率是实现县域经济绿色发展的重要方式，在充分考虑江苏省县域经济发展合作共赢以及发展导向差异的前提下，遴选一产、二产、三产的增加值为关键指标并设置了3种不同的县域经济发展导向，采用权重约束的仁慈型交叉效率模型和Malmquist生产率指数测算了2015—2017年间江苏省32个县域在3种发展导向下的生态效率和生态全要素生产率，剖析各县域生态效率的差异性及其全要素生产率变动的驱动力，探寻各县域
论文部分内容阅读
提高生态效率是实现县域经济绿色发展的重要方式，在充分考虑江苏省县域经济发展合作共赢以及发展导向差异的前提下，遴选一产、二产、三产的增加值为关键指标并设置了3种不同的县域经济发展导向，采用权重约束的仁慈型交叉效率模型和Malmquist生产率指数测算了2015—2017年间江苏省32个县域在3种发展导向下的生态效率和生态全要素生产率，剖析各县域生态效率的差异性及其全要素生产率变动的驱动力，探寻各县域的差异化绿色发展模式。研究结果显示：（1）整体上看，江苏省县域总体生态效率水平较高，但同一地级市下辖的县
其他文献
目前随着油气勘探的不断发展，深部油气藏受到广泛关注，高精度深层速度建模与成像是一个亟待解决的难题。全波形反演充分利用叠前地震数据的运动学和动力学信息，具有揭示复杂地质背景下构造细节的能力，是目前建模精度最高的方法之一。然而，波形反演本身是一个高度的非线性问题，反演易陷入局部极值不能收敛。在实际应用时，常规全波形反演受限于炮检距以及地震数据的有效频带范围，因而对深层的反演结果并不准确。与常规全波形反
储层的渗透率是描述流体在岩石中渗透性的固有属性，在实验室测量的样品液体渗透率往往小于克式校正法修正后的Klinkenberg渗透率。本研究分别以氮气和盐水为介质，分别测量了30块不含粘土矿物的枫丹白露砂岩试块与30块含黏土矿物的Y砂岩试块的渗透率，用以研究不同流体与黏土矿物对渗透率的影响以及气体测量渗透率时滑脱因子b的影响因素。本次实验结果表明，所有试块采用盐水测得的液体渗透率值均小于氮气测的Kl
干旱胁迫能够明显影响植物光合、代谢、渗透调节等相关生理过程，进而影响植物经济性状指标。外源脱落酸能够缓解干旱对植物生长发育的影响。本研究以外源脱落酸为主要论述基础，阐述了外源脱落酸提高作物抗旱性的生理机制，介绍了外源脱落酸对光合生理的调控，分析了干旱条件下外源脱落酸在诱导基因表达、调节植物激素水平、调控渗透调节物质含量及提高保护酶活性等生理生化过程中的重要作用。本研究以外源脱落酸调节作物干旱为出发
双相介质的传播方程可同时考虑孔隙流体与骨架结构，但因为传播方程较为复杂，难以直接用于储层参数反演。通过推导公式对其进行了简化，将双相介质反射透射方程退化近似为储层参数方程，验证了简化方程的精确度，分析了主要储层参数的影响，并利用最小二乘方法对储层参数进行了反演。数值实验和实际资料表明，利用此简化传播方程进行反演方法可行，精度较高，且具有一定的抗噪能力。
以准噶尔盆地西北缘沙湾凹陷百口泉组试油资料为基础，将储层划分为三种类型。在分析了每一类储层及泥岩层的常规测井响应特征的基础上，提出了对百口泉组储层有效性划分较敏感的参数：密度测井计算孔隙度φ_(D)以及中子-密度测井计算视石灰岩孔隙度差φ_(ND)。在此基础上，建立了基于φ_(ND)与φ_(D)交会的储层有效性评价图版。试油层段的实际资料处理结果显示，图版的符合率达到80%。利用该评价图版，对目标
断层精细解释在储层描述、圈闭评价和布设井位等方面具有十分重要的意义。针对传统相干体、曲率等属性在复杂断裂发育区域分辨率低、识别能力差等缺点，本文提出了3D U-Net全卷积神经网络用于断层自动识别。首先利用合成断层体模型制作训练数据集及验证数据集，然后基于Keras深度学习框架构建了一种全新3D U-Net卷积神经网络模型用于增强微小断层识别能力，最后直接输入三维叠后地震数据得出对应的断层概率属性
玛湖砾岩具有泥质含量高以及物性致密的特点，常规的蒸馏抽提法和干馏法无法满足密闭取心饱和度测量需要。基于文献调研，对16块预设了饱和度的玛湖砾岩代表性岩心开展了库伦法、核磁共振法测量岩样的含水体积、孔隙度和含油饱和度的实验研究。结果发现：1）对于砾岩，库伦法萃取时间1.5小时就可以稳定，测量砾岩岩心含水体积准确，饱和度误差一般小于5%，结果受泥质与粘土影响较小；2）核磁共振法测量饱和状态砾岩岩心孔隙
电磁法是对地探测的支柱技术，随着经济和社会发展，电磁干扰日益严重，极大地的影响了对地探测效果，亟需研发工频电磁干扰快速测试分析技术和仪器，为电磁探测测点选择提供依据；本文开发了一套环境电磁噪声测量装置，可实时记录电磁场总场强度与工频基波及其二次、三次谐波振幅强度，实验表明6套实验样机一致性数据Pearson相关系数达0.9664以上，观测时间大于24小时，为电磁勘探方法选择、测网布置以及观测数据的
卷积神经网络（CNN）是近几年来最常用的用于有监督学习的深度学习算法之一。DnCNN是一种针对图像去噪问题提出的卷积神经网络。U-Net是一种U型结构的卷积神经网络，特点是融合了不同层次的特征，并在不同问题取得了不错的效果。近几年来多种CNN结构被广泛运用于地震数据的随机噪声压制中，但在地震去噪问题上选择CNN结构时有一定的盲目性。针对这一问题，本文对DnCNN和U-Net这两种常用于地震随机噪声
准确预测地层孔隙压力是合理设计钻井液密度和井身结构的基础，也是保护油气层，降低钻探成本和提高钻探成功率的前提。地震层速度场是预测地层孔隙压力的关键参数，其准确性直接影响孔隙压力预测的精度。针对当地层存在低速异常体（欠压实主导的低速泥岩）时，传统的基于偏移距域共成像点道集层速度场建模方法存在射线多路径的假象，给层速度场建模带来较大的误差，导致孔隙压力预测精度严重不足的问题，本文利用角度域共成像点道集