基于相关分析的日照市乡镇温度精细预报方法

利用日照市国家气象观测站（大监站）及分布在全市各乡镇的区域自动观测站近三年日温度极值数据，按区域、天气类型分类别进行相关分析，得到各区域自动站点与大监站日温度极值数据的相关方程，从而利用地市级台站对大监站点的常规温度预报数据得到各乡镇温度预报数值，使温度预报空间尺度达到乡镇一级。     

基于机器学习的地表破裂自动识别和填图——以2021年青海玛多MW7.4级地震为例

大地震的同震地表破裂高分辨率填图对于理解破裂传播机制、量化地震灾害和地震危险性等至关重要；无人机航片和地形数据为地表破裂研究提供大量的高精度数据.同时基于海量数据的人工填图耗时费力，效率较低；机器学习(Machine learning)技术的发展为快速处理这类高分辨率图像数据提供了新思路.本文以2021年玛多M_W7.4级地震震后高精度无人机航片为基础数据，展示了机器学习技术快速、高效识别地表破裂的潜力.基于卷积神经网络Canny算法，详细讨论了无人机数字正射影像的处理流程和关键步骤，包括准备训练数据、训练和后处理.对比人工识别和机器识别的结果显示，本文所提出的方法可以有效地绘制地表破裂，为未来研究大地震地表破裂提供新思路.同时，展示了机器学习在地震地质、地表过程和地貌等定量研究中的巨大优势和广阔前景.     

基于随机森林算法和知识规则的国际湿地城市精细湿地分类——以常德市为例

获取精细湿地资源信息对国际湿地城市湿地修复保护、管理利用以及区域可持续发展至关重要，目前面向国际湿地城市的湿地精细分类研究较为缺乏，尤其是针对湿地中水体的详细类别划分较少。本研究以全球典型国际湿地城市常德市为案例研究区，基于Google Earth Engine (GEE)云计算平台和2020年Sentinel-1/2时序遥感影像以及地形数据，首先采用最小冗余最大相关算法和递归梯度提升树算法进行湿地分类特征集优选，进而构建集成基于像元的随机森林和面向对象的知识规则决策模型的城市湿地精细分类智能模型，以实现常德市湿地资源精细分类。结果表明：(1)湿地分类特征优选前后特征数由63减少为16，总体精度下降0.9%，其中旱期的水体指数、植被频率和建成区指数的特征重要性较大，特征优选可以减少特征数据信息冗余、提高分类效率；(2)常德市湿地精细分类结果包括河流、湖泊、水库、养殖池/坑塘、运河/水渠、泥滩地、草滩地和芦苇湿地8种湿地类型，总体精度达91.53%,Kappa系数为0.89，可以满足国际湿地城市精细湿地分类的需求；(3)常德市湿地主要分布在东部西洞庭湖平原区域，呈现出东多西少的空间格局。...     

星载GNSS-R监测海面目标技术进展

全球卫星导航系统(GNSS)因其直射信号经海面反射后，反射信号会携带海面物理信息，由此开辟了一种在遥感应用中有巨大潜力的全球卫星导航反射信号(GNSS-R)技术，国内外在星载GNSS-R监测海面领域取得进展.本文总结了应用星载GNSS-R数据监测海面目标的进展，然后针对星载GNSS-R监测海面目标技术从最初实验、基于延迟多普勒图(DDM)观测值监测、基于反演散射系数监测、应用神经网络监测四个方面进行了总结和归纳.