HZ
Hong Zhang
Author with expertise in Landslide Hazards and Risk Assessment
Achievements
Cited Author
Open Access Advocate
Key Stats
Upvotes received:
0
Publications:
15
(53% Open Access)
Cited by:
1,907
h-index:
41
/
i10-index:
165
Reputation
Biology
< 1%
Chemistry
< 1%
Economics
< 1%
Show more
How is this calculated?
Publications
0

Excessive reliance on afforestation in China's arid and semi-arid regions: Lessons in ecological restoration

Shixiong Cao et al.Nov 18, 2010
Afforestation is a primary tool for controlling desertification and soil erosion in China. Large-scale afforestation, however, has complex and poorly understood consequences for the structure and composition of future ecosystems. Here, we discuss the potential links between China's historical large-scale afforestation practices and the program's effects on environmental restoration in arid and semi-arid regions in northern China based on a review of data from published papers, and offer recommendations to overcome the shortcomings of current environmental policy. Although afforestation is potentially an important approach for environmental restoration, current Chinese policy has not been tailored to local environmental conditions, leading to the use of inappropriate species and an overemphasis on tree and shrub planting, thereby compromising the ability to achieve environmental policy goals. China's huge investment to increase forest cover seems likely to exacerbate environmental degradation in environmentally fragile areas because it has ignored climate, pedological, hydrological, and landscape factors that would make a site unsuitable for afforestation. This has, in many cases, led to the deterioration of soil ecosystems and decreased vegetation cover, and has exacerbated water shortages. Large-scale and long-term research is urgently needed to provide information that supports a more effective and flexible environmental restoration policy.
0
Paper
Citation643
0
Save
0

The link between reduced porphyry copper deposits and oxidized magmas

Weidong Sun et al.Nov 14, 2012
Porphyry copper deposits account for more than 80% of the world’s total Cu resources. However, the formation mechanism and controlling factors of porphyry copper deposits remain obscure. Previous studies have revealed that porphyry copper deposits are usually associated with oxidized, calc-alkalic, adakitic shallow intrusive rocks. Here we show that hematite–magnetite intergrowths are commonly found in porphyry copper deposits, suggesting high and fluctuating oxygen fugacity (fO2). Oxidation promotes the destruction of sulfides in the magma source, and thereby increases initial chalcophile element concentrations. Sulfide remains undersaturated during the evolution of oxidized sulfur-enriched magmas where sulfate is the dominant sulfur species, leading to high chalcophile element concentrations in evolved magmas. The final porphyry copper mineralization is controlled by sulfate reduction, which starts with magnetite crystallization, accompanied by decreasing pH and correspondingly increasing fO2. Hematite forms once sulfate reduction lowers the pH sufficiently and the fO2 reaches the hematite–magnetite oxygen fugacity buffer, which in turn increases the pH for a given fO2. The oxidation of ferrous iron during the crystallization of magnetite and hematite is the causal process of sulfate reduction and consequent mineralization. Therefore, the initial pH and fO2 ranges of porphyries favorable for porphyry copper mineralization are defined by the hematite–magnetite oxygen fugacity buffer and SO42−–HS−–S3− reaction lines. Adakitic rocks have higher initial contents of copper, sulfur and iron than normal arc rocks, and thus are the best candidates for porphyry copper deposits. These provide a plausible explanation for the formation of copper porphyry deposits. The hematite–magnetite intergrowth marks the upper limits of fO2 favorable for the mineralization, and thus may be a powerful tool for future prospecting of large porphyry copper deposits.
0
Paper
Citation349
0
Save
0

MODIS Global Cloud-Top Pressure and Amount Estimation: Algorithm Description and Results

W. Menzel et al.Apr 1, 2008
Abstract The Moderate Resolution Imaging Spectroradiometer (MODIS) on the NASA Earth Observing System (EOS) Terra and Aqua platforms provides unique measurements for deriving global and regional cloud properties. MODIS has spectral coverage combined with spatial resolution in key atmospheric bands, which is not available on previous imagers and sounders. This increased spectral coverage/spatial resolution, along with improved onboard calibration, enhances the capability for global cloud property retrievals. MODIS operational cloud products are derived globally at spatial resolutions of 5 km (referred to as level-2 products) and are aggregated to a 1° equal-angle grid (referred to as level-3 product), available for daily, 8-day, and monthly time periods. The MODIS cloud algorithm produces cloud-top pressures that are found to be within 50 hPa of lidar determinations in single-layer cloud situations. In multilayer clouds, where the upper-layer cloud is semitransparent, the MODIS cloud pressure is representative of the radiative mean between the two cloud layers. In atmospheres prone to temperature inversions, the MODIS cloud algorithm places the cloud above the inversion and hence is as much as 200 hPa off its true location. The wealth of new information available from the MODIS operational cloud products offers the promise of improved cloud climatologies. This paper 1) describes the cloud-top pressure and amount algorithm that has evolved through collection 5 as experience has been gained with in-flight data from NASA Terra and Aqua platforms; 2) compares the MODIS cloud-top pressures, converted to cloud-top heights, with similar measurements from airborne and space-based lidars; and 3) introduces global maps of MODIS and High Resolution Infrared Sounder (HIRS) cloud-top products.
0
Paper
Citation310
0
Save
0

Automatic Ship Detection Based on RetinaNet Using Multi-Resolution Gaofen-3 Imagery

Yuanyuan Wang et al.Mar 5, 2019
Independent of daylight and weather conditions, synthetic aperture radar (SAR) imagery is widely applied to detect ships in marine surveillance. The shapes of ships are multi-scale in SAR imagery due to multi-resolution imaging modes and their various shapes. Conventional ship detection methods are highly dependent on the statistical models of sea clutter or the extracted features, and their robustness need to be strengthened. Being an automatic learning representation, the RetinaNet object detector, one kind of deep learning model, is proposed to crack this obstacle. Firstly, feature pyramid networks (FPN) are used to extract multi-scale features for both ship classification and location. Then, focal loss is used to address the class imbalance and to increase the importance of the hard examples during training. There are 86 scenes of Chinese Gaofen-3 Imagery at four resolutions, i.e., 3 m, 5 m, 8 m, and 10 m, used to evaluate our approach. Two Gaofen-3 images and one Constellation of Small Satellite for Mediterranean basin Observation (Cosmo-SkyMed) image are used to evaluate the robustness. The experimental results reveal that (1) RetinaNet not only can efficiently detect multi-scale ships but also has a high detection accuracy; (2) compared with other object detectors, RetinaNet achieves more than a 96% mean average precision (mAP). These results demonstrate the effectiveness of our proposed method.
0
Paper
Citation238
0
Save
0

Assessing the strength of deep-sea surface ultrasoft sediments with T-bar penetration: A machine learning approach

Xingsen Guo et al.Jul 7, 2024
With the expansion of marine resource utilization, geological disaster prediction, and ecological protection in deep-sea regions, accurate identification of deep-sea engineering geological environments has become paramount, highlighting the significance of understanding the mechanical characteristics of deep-sea surface ultrasoft sediments (DSUSs). However, DSUSs typically exhibit low strength, high compressibility, and significant fluidity, making sampling for indoor strength testing a challenging task. On-site testing employing a T-bar penetrometer has become increasingly prominent for assessing DSUS strength, but the complexity of influencing parameters limits the application of this valuable method. This study utilizes a validated computational fluid dynamics (CFD) approach to model the complete process of T-bar penetration into a DSUS. The aim is to understand the quantitative effects and corresponding mechanisms of various significant complex parameters, including the undrained shear strength, dimensionless penetration depth, rate effect, and interface contact condition, on the dimensionless penetration resistance coefficient. Additionally, a machine learning model based on the random forest algorithm is introduced to establish a multiparameter evaluation method for the dimensionless penetration resistance coefficient. The findings illuminate the intricate interactions and effective evaluation of these factors when evaluating DSUS strength using a T-bar penetrometer, addressing the above challenges in marine engineering geology and the environment.
0
Paper
Citation2
0
Save
0

Tropical Rice Mapping Using Time-Series SAR Images and ESF-Seg Model in Hainan, China, from 2019 to 2023

Yazhe Xie et al.Jan 8, 2025
Tropical and subtropical Asia is the major rice-producing region in the world, but the complexity of the cropping system and the diversity of the topography bring challenges to the accurate monitoring of rice cultivation. To address this difficulty, a new deep learning model, ESF-Seg, is proposed in this study to extract the annual tropical rice distribution using monthly averaged time-series Sentinel-1 VH data. The ESF-Seg adopts the Efficient Adaptive Sparse Transformer (EAT) to remove redundant information from input features. The Channel Attention Bridge Block (CAB) and Spatial Attention Bridge Block (SAB) modules are introduced to refine the information. Meanwhile, with the FreqFusion-KAN (FreqK) module, the loss of information can be reduced through the multi-scale feature fusion strategy. The proposed method is evaluated in the Hainan Province of China, an important tropical arable zone with diverse crop resources and complicated croplands. First, ablation experiments are conducted. Compared to the classical SegFormer model, the ESF-Seg model improves on the mIOU by 4.99% and on the mPA by 2.65%. Subsequently, compared to the RF, U-Net, and the original SegFormer model, the overall accuracy (OA) of the ESF-Seg model on the validation samples increased by 11.02%, 2.01%, and 1.33%, and the F1 score improved by 0.0756, 0.0624, and 0.0490, reaching 98.31% and 0.9506, respectively. Furthermore, products showing the annual rice distribution from 2019 to 2023 in Hainan are generated, which exhibit good alignments with the statistical data, surpassing other existing products with an RMSE of 5.4004 Kha. As indicated by the rice mapping products, the proposed method preserves the integrity of the rice parcels in the fragmented croplands, thus providing a new opportunity for the continuous monitoring of tropical rice distribution with high accuracy.
0

North American Circum-Arctic Permafrost Degradation Observation Using Sentinel-1 InSAR Data

Shaoyang Guan et al.Jul 31, 2024
In the context of global warming, the accelerated degradation of circum-Arctic permafrost is releasing a significant amount of carbon. InSAR can indirectly reflect the degradation of permafrost by monitoring its deformation. This study selected three typical permafrost regions in North America: Alaskan North Slope, Northern Great Bear Lake, and Southern Angikuni Lake. These regions encompass a range of permafrost landscapes, from tundra to needleleaf forests and lichen-moss, and we used Sentinel-1 SAR data from 2018 to 2021 to determine their deformation. In the InSAR process, due to the prolonged snow cover in the circum-Arctic permafrost, we used only SAR data collected during the summer and applied a two-stage interferogram selection strategy to mitigate the resulting temporal decorrelation. The Alaskan North Slope showed pronounced subsidence along the coastal alluvial plains and uplift in areas with drained thermokarst lake basins. Northern Great Bear Lake, which was impacted by wildfires, exhibited accelerated subsidence rates, revealing the profound and lasting impact of wildfires on permafrost degradation. Southern Angikuni Lake’s lichen and moss terrains displayed mild subsidence. Our InSAR results indicate that more than one-third of the permafrost in the North American study area is degrading and that permafrost in diverse landscapes has different deformation patterns. When monitoring the degradation of large-scale permafrost, it is crucial to consider the unique characteristics of each landscape.
Load More