基于光谱基线校正的季节性浑浊II类水体叶绿素a浓度遥感反演

水体Chl.a浓度是水质评价的一个重要指标,受悬浮物浓度季节性变化的影响,如何削弱悬浮物的光谱干扰,是实现内陆水体Chl.a浓度遥感高精度反演的难点之一.基于2011-2013年妫水河6次实测水体高光谱数据和水体Chl.a浓度数据,评价广泛应用的三波段模型和非线性拟合能力较好的支持向量机回归(SVR)模型的反演精度,使用基线校正和一阶微分方法来削弱实测高光谱中非Chl.a光谱信息.定义两种基线:750 nm的反射率值;500与750 nm的反射率值连线,基线校正为光谱反射率减去基线值.利用2013年7月的实测数据进行验证,结果表明,SVR模型比三波段模型更适合季节性浑浊水体的Chl.a浓度反演.通过基线校正筛选后的波段反射率组合作为输入变量能够提高SVR模型的反演精度,决定系数为0.68,均方根误差为3.38μg/L;线性基线校正提高三波段Chl.a估算模型的反演能力有限.     

基于深度卷积神经网络的海洋牧场岩礁性生物图像分类

水下视频可直观记录和反映海洋牧场生物资源的现状和变动,目前亟待开展基于图像的海洋牧场生物识别分类方法研究,以充分发挥图像处理技术在海洋牧场生物群落监测领域的应用潜力。利用采集自我国北方烟威地区包含鱼礁、藻床和泥沙三种图像背景的水下视频,开展了图像增强、图像分类数据集的建立和3种分类模型的应用。对比了基于绿通道的色彩补偿和限制对比度的自适应直方图均衡等方法在海洋牧场水下图像增强上的效果。建立了北方海洋牧场常见岩礁生物图像分类数据集,包括花鲈(Lateolabraxjaponicus)、(Lizahaematocheilus)、许氏平鲉(Sebastes schlegelii)等鱼类11种、棘皮类3种和蟹类1种,共23 211张图像。基于飞桨深度学习框架和PaddleX全流程开发工具,选择AlexNet、MobileNetV3和ResNet50三种图像分类卷积神经网络进行迁移学习,并分别验证了其在含噪音水下图像上的鲁棒性。结果表明,三种模型在测试集的类准确率分别达到96.64%、94.75%和99.23%,其中ResNet50模型在含有高斯噪音的图像集验证具有更好的鲁棒性。综之,基于深度学习的计算机视觉技术在我国海洋牧场生物群落监测中具有较大应用潜力,可为我国海洋牧场监测和管理提供新的思路和方法。     

基于多面函数的局域地磁场建模方法研究

基于多面函数,研究了局域海洋地磁场建模的理论和方法,并对建模中数据质量的控制问题、适用于地磁场建模的核函数的选择问题、平滑因子的选择以及建模数据的选择等关键问题进行了研究,并根据地磁数据变化剧烈的特点和多面函数的特性,提出了分区建模的设想.将该方法与传统的 Taylor 多项式、Legendre 多项式和曲面函数建模方法进行了比较,表明该方法具有较高的精度和可靠性.     

碎石堆小行星自旋演化过程的离散元数值模拟

近年的探测研究表明，由引力和范德华粘附力聚合成碎石堆结构可能是小行星的一种重要形成方式。为探究这类小行星的演化机制，文章基于离散元软件MatDEM进行二次开发，实现了单元的万有引力计算。建立直径为1.2 km“碎石堆”小行星数值模型，通过数值模拟分析了不同粘附强度和体积密度下，球形聚集体的旋转重塑和破坏过程。结果表明：球形聚集体受到其角速度初始增量的影响，以启动聚集体的重塑过程，导致其发生变形或者破坏；粘附强度越小，模型越容易被破坏，破坏前小行星会通过向扁圆状椭球体变形来保持自身构型的稳定性；对于粘附强度一定的小行星模型，体积密度的增大会有效增加其结构的稳定性，可以延后小行星破坏行为发生的时间，且颗粒脱落的数量随着密度的增大而减少；采用离散元分析可以较好地模拟小行星自旋演化过程。进一步与真实小行星数据相结合，有利于深入、全面地探索小行星自旋演化破坏机理。     

北方典型海岛高质量发展策略与途径——以长岛为例

海岛是我国国土的重要组成部分,其高质量发展对海岛生态保护和可持续发展具有重要意义。长岛是山东省唯一的海岛型行政区,是国家级重点生态功能区。为实现我国北方海岛以绿色、低碳、循环为核心的高质量发展,本文以长岛为例,分析了其发展现状和存在问题,厘清了其高质量发展的理念和定位。通过实地调研和问卷调查等方法,提出了长岛生态文明综合试验区高质量发展的策略和途径,即以“国家公园建设工程”进行生态保护和修复,以“零碳海岛建设工程”“旅游海岛建设工程”和“牧场海岛建设工程”进行海岛开发和利用,以“智慧海岛建设工程”和“科技海岛建设工程”进行科技引领和支撑。六大工程陆海联动,共同推动长岛高质量发展,为我国北方典型海岛海洋生态文明建设及其高质量发展提供思路。