南海北部浅地层剖面数据精细处理方法

通过对南海北部海域浅层剖面资料的分析研究,解决了多个数据处理难点。针对SEGY数据中的坐标错误,提出从导航定位原始资料中获取相应位置数据,改写SEGY道头信息,解决了SEGY数据道头坐标错误的问题;对波形进行相应处理,提高了浅地层剖面资料的分辨率;针对浅地层剖面震源位置不准的问题,对震源位置进行了校正;对同一设计测线多次分段作业剖面进行了剖面连接等。旨在为浅地层剖面的后续综合地质解译提供理想的基础资料。     

基于BP人工神经网络的海水水质综合评价

为了能够客观地对海水水质进行综合评价,在分析人工神经网络概念和原理的基础上,从阈值角度出发,通过对各类海水水质污染指标浓度生成样本的方法,生成了适用于BP人工神经网络模型训练的样本,并应用基于误差反向传播原理的前向多层神经网络,建立了用于海水水质评价的BP人工神经网络模型。将该模型用于渤海湾近岸海域水环境评价,通过模型的计算,得到该海域的水质类别。结果表明,2004-2007年,渤海湾近岸海域污染指标总体上在河流丰水期时比枯水期时高,2005年和2006年污染较为严重,2007年有所好转。经训练的评价模型应用于实例的评价结果表明,该模型设计合理、泛化能力强,对海水水质评价具有较好的客观性、通用性和实用性。     

结合多路径的高分辨率遥感影像建筑物提取SER-UNet算法

针对深层卷积较难兼顾全局特征与局部特征从而导致提取建筑物边缘不准确和微小建筑物丢失的问题，以注意力机制和跳跃连接为基础提出SER-UNet算法。SER-UNet算法在编码器阶段耦合SE-ResNet和最大池化层，在解码器阶段关联SE-ResNet与反卷积层，通过跳跃连接将编码器提取的浅层特征和解码器提取的深层特征进行融合后输出特征图。验证SER-UNet算法的有效性，在MAP-Net网络并行多路径特征提取阶段使用SER-UNet算法替换原网络中的特征提取结构，分别在WHU数据集和Inria数据集上进行评估，IoU与精度分别达91.46%、82.61%和95.67%、92.75%,对比UNet、PSPNet、ResNet101、MAP-Net网络，IoU分别提高0.49%、0.14%、1.89%、1.57%,精度分别提高0.14%、1.06%、2.42%、1.09%。分析SER-UNet算法的泛化能力，将级联SER-UNet的MAP-Net网络在AerialImage数据集上进行提取验证，IoU与精度分别达85.32%和94.13%。结果表明，结合SER-UNet算法的MAP-Net并行...     

基于生态网络功能辨识的海坛岛生态保护和修复策略

优化国土空间开发格局和生态保护修复成为推进生态文明建设的重要举措,构建区域生态网络并识别其关键生态功能区域,是开展国土空间格局优化和生态修复工作的重要切入点.选择海坛岛为研究案例,利用遥感信息源和GIS空间分析等技术方法,辨识出区域潜在的生态网络功能结构.通过景观连接度的重要值评价,揭示海坛岛生态源地和生态节点的重要性...