沁水盆地石炭-二叠纪含煤岩系高分辨率层序地层及聚煤模适

晋东南沁水盆地的煤层气储层主要是石炭-二叠系煤层,其厚度变化明显受控于当时的沉积环境及层序地层格架.本文对该盆地含煤岩系的太原组和山西组进行了高分辨率层序地层分析,并探讨了主采煤层15号和3号煤层在层序地层格架下的分布模式.以区域性分布的与下切谷砂岩共生的间断面、不整合面、海侵方向转换面、下切谷砂岩底面、由深变浅-再由浅变深的沉积相转换面以及共生的古土壤层为界,将含煤岩系划分为3个三级复合层序和9个四级层序.15号厚煤层和3号厚煤层位于三级海侵(泛)面附近,前者形成于障壁一渴湖及滨外陆棚沉积环境,较低的泥岩堆积速率与较慢的可容空间增长速率相平衡;后者形成于三角洲平原分流间湾环境,较高的泥炭堆积速率与较高的可容空间的增长速率相平衡.太原组的以"根土岩-煤层-海相石灰岩"旋回为代表的四级层序中的煤层可能形成于"海相灰岩层滞后时段",即从海平面抬升到陆棚之上到碳酸盐岩真正沉积下来之前的时段,因为缓慢的海平面抬升速率与泥炭堆积速率保持较长时间的平衡,从而聚集了厚层的泥炭/煤层.     

联合局部二值模式的CNN高光谱图像分类

卷积神经网络CNN（Convolutional Neural Networks）具有强大的特征提取能力，应用于高光谱图像特征提取取得了良好的效果，双通道CNN模型能够分别提取高光谱图像的光谱特征和空间特征，并实现了特征的决策级融合。局部二值模式LBP（Local Binary Patterns）是一种简单但有效的空间特征描述算子，能够减轻CNN特征提取的压力并提高分类精度。为了充分利用CNN的特征提取能力及LBP特征的判别能力，提出一种双通道CNN和LBP相结合的高光谱图像分类方法，首先，采用1维CNN（1D-CNN）模型处理原始高光谱数据提取深层光谱特征，同时采用另一个1D-CNN模型处理LBP特征数据进一步提取深层空间特征，然后，将两个CNN模型的全连接层进行连接，实现深层光谱特征和空间特征的融合，并将融合特征输入到分类层中完成分类。实验结果表明，该方法在Indian Pines数据、Pavia University数据及Salinas数据上能够分别取得98.54%、99.73%、99.56%的分类精度，甚至在有限数量的训练样本条件下也能取得较好的分类效果。     

江苏省地闪密度及雷电流幅值分布

从雷电防护中重点关心的地闪密度和雷电流幅值两个方面进行分析,引入时间权重法结合人工观测雷暴日资料和闪电定位仪资料,给出地闪密度分布情况并依此绘制江苏省雷区分布图,对照Anderson经验公式拟合雷电流幅值概率分布情况.结果表明:江苏省地闪密度的分布趋势是南部比北部多,西部比东部多;洪泽湖周边、太湖和宁镇丘陵周边是江苏省雷电防护重点区域.江苏省雷电流幅值概率分布符合Anderson经验公式,幅值主要在20～40kA范围内变化.     

干旱及盐双胁迫下内生固氮菌接种对多枝柽柳实生苗生理特性的影响

采用盆栽试验法研究了在干旱及盐双胁迫下内生固氮菌接种对多枝柽柳实生苗生理特性的影响。结果表明：接菌植株较未接菌植株SOD酶活性在水盐胁迫条件下平均提高68．3％,在非胁迫条件下平均提高52．0％,随着胁迫时间延长和胁迫强度增加,SOD酶活性维持在275．82～561．49u／g。POD酶活性在水盐胁迫条件下呈现先上升后...     

近30年来降水量变化和人类活动对北京潮白河冲洪积扇地下水动态的影响

对北京潮白河冲洪积扇分布区30年来降水量、地表径流量、地下水水位和地下水储存量进行了时间序列分析。结果表明: 过去30年中,区域地下水动态发生了明显变化,特点是1998年以来,地下水位和地下水储存量迅速下降与减少。1998年以来,年降水量为以往多年平均值的76％左右。在储存量变化的影响因素中,降水量减少导致的补给量减少约占24％,人类活动,如工农业地下水开采、应急水源地地下水开采和地表水体入渗减少等因素约占76％。由于未来气候变化的不确定性,在南水北调的水进京后仍可能出现连续枯水年,因此,以丰水年降水进行水源涵养存在较大风险。对于已经处于严重超采状况的潮白河冲洪积扇来说,为了满足未来供水的需要,应急水源地从现在起应减少开采量或停采以逐步恢复地下水储存量。     

基于ObjeetARX的大比例尺地形图图幅查询与定位

通过对西安市大比例尺地形图图幅编号规则的分析,利用AutoCAD提供的ObjectARX开发工具实现大比例尺地形图的快速查询,为查找、调用测绘资料提供了实用、便利的工具。     

基于新型相似性测度的高光谱影像地物检测

提出了一种新型光谱相似性测度及其参数的自适应选择方法,并且将其应用到了高光谱影像地物检测中。由于这种相似性测度基于光谱角度余弦(SAC),因此在理论上对因光照强度变化、阴影和遮挡等引起的同种地物光谱变化的适应性较强。最后利用两幅高光谱影像进行了实验分析,实验结果证明提出的方法不仅能扩大阈值取值区间,而且可提高检测的精度。     

基于边缘检测的编组法直线提取

对直线相位编组法进行改进,提出了一种在边缘检测基础上进行相位编组提取直线的方法.该方法充分利用了图像的梯度和幅值信息,能够比较准确地提出物体的边缘直线,克服了相位编组法中边缘灰度幅值信息利用不够、容易生成多边缘、不利于突出物体主边缘直线的缺点,在大比例尺城市房屋的提取中能发挥比较好的辅助作用.     

面向高光谱影像分类的生成式对抗网络

为了提高高光谱影像分类精度，提出了一种基于生成式对抗网络的高光谱影像分类方法。生成式对抗网络由生成器、判别器和分类器3部分组成，其中生成器用于模拟高光谱样本的数据分布，生成特定类别的样本；判别器是一个二值分类器，用于判断输入的样本是否为真实数据；分类器用于对输入的样本进行分类。利用反向传播算法依次更新生成器、判别器和分类器的网络参数使损失函数最小，从而达到训练网络的目的。生成器和判别器能够模拟高光谱影像的样本分布来辅助训练分类器，因此能够提高高光谱影像的分类精度。分别采用Pavia大学和Salinas高光谱数据集进行分类试验，试验结果表明提出的分类方法能够在小样本条件下提高高光谱影像的分类精度。