气候变化对中国内陆干旱区山区融雪径流的影响

气候变化对中纬度山区积雪具有极强的影响, 同时雪盖时空变化和融雪径流的波动被认为是气候变化的指示器. 本研究选择祁连山黑河流域作为中国西北地区山区积雪流域的典型区域, 分析了自1956~2001年近40余年以来气温、降水、累计降雪变化的状况和特点以及春季融雪径流的波动趋势. 结果表明: 黑河上游山区积雪流域的气候变化主要表现在年平均气温的缓慢上升而年降水基本平稳, 累积降雪量也处于波动变化之中. 年内气温的上升幅度以1~2月份比较强烈而其他月份气温上升幅度较小. 利用基于度-日因子算法的融雪径流模型SRM(Snowmelt Runoff Model)模拟气温上升框架下的融雪径流变化情势结果表明山区积雪流域融雪期在时间上的前移, 同时春季融雪径流量呈显著增加趋势且受径流周期变化控制.     

流域水土资源信息系统的构建

该文分析基于GIS、RS和地学模型集成的流域水土资源信息系统的开发背景、目标 ,结合实际系统的开发 ,提出了系统开发的思路和技术路线 ,并探讨系统开发的方向和实际应用的可能性。     

中分辨率成像光谱仪图像积雪反射特性的初步分析研究

通过对中分辨率成像光谱仪图像２６个连续波段的同点采样,获得从可见到红外光谱一个完整的积雪反射特性系列,在背景气候,气象数据信息的支持下,进行图像积雪反射特性与同类积雪实测反射特性的对比分析。结果表明：本研究所使用的中分辨率成像光谱仪图像积雪反射特性反映了积雪变化的过程,同时与地面光谱仪实测数据有一定的对应关系,同类积雪在可见光波谱区的光谱反射基本吻合,据此,反演积雪类型的图像分类是可行的。     

结合模糊度和形态学指数约束的深度学习建筑物提取

基于高分辨率遥感影像的建筑物提取一直是研究的热点问题,深度学习的深层次特征提取方法,非常适合高分辨率影像中建筑物的提取,但使用深度学习提取建筑物时,大多以改变网络结构为主进行算法优化,很少与其他方法结合。本文研究在改进深度学习网络结构的基础上,结合影像模糊度约束增强、形态学建筑指数约束增强等方法,对建筑物提取方法进行更全面更有针对性的改进。本文主要改进内容为：① 提出PwDeepLab网络,该网络基于DeepLab v3+网络结构,在特征融合方式和损失函数等方面进行了改进。② 提出模糊度约束方法,在固定影像块大小的情况下,通过影像模糊度约束对影像进行上采样增强。③ 提出形态学指数约束方法,通过形态学建筑物指数（MBI）约束范围拉伸增强的方法,在较少改变原始影像特征的情况下,突出建筑信息。本文在Massachusetts数据集和武汉大学的Satellite Dataset Ⅱ(East Asia) 数据集上进行验证, 2个数据集的主要建筑类型存在较大区别。本文提出的方法在2个数据集上的精度相对于DeepLab v3+分别提高了10.9%和3.8%,相对于U-Net分别提高了10.0%和9.6%。实验结果表明本文提出的方法对建筑物提取效果有明显提升,且具有很好的鲁棒性和通用性。     

数字地形分析技术在分布式水文建模中的应用

论述了在栅格数字高程模型（DEM）的基础上，利用数字地形分析技术来完成地形评价、河网指示、流域分割、子流域参数化等项工作的理论与方法。并结合江西潋水河流域的实际工作进行了详细的说明。研究结果表明，通过数字地形分析的方法，利用栅格DEM实现流域离散化并从中提取分布式水文模型所需要的输入参数是一种行之有效的手段。     

结合E-YOLO和水体指数约束的大面幅影像水利设施检测

水利设施对水资源与水量调度、自然湿地生态保护与修复、资源和生态功能的利用及经济效益发展有重要作用。传统方法统计水利设施位置、数量等依赖于汇编资料,存在耗时长、资料更新不够及时以及具体地理位置不详等缺点,遥感为大规模监测水利设施提供了新的可能。本文以YOLO v3网络为基础,结合水利设施的特点,提出了一种基于大面幅影像快速检测水利设施的算法,主要分为两个方面：（1）改进的YOLO算法（E-YOLO）。E-YOLO提出PPA特征融合方法和等比预测框与四特征图交叉预测方法,对小样本等问题进行优化;改进损失函数,突出置信度损失;同时使用迁移学习的方法,读取特征提取部分的预训练模型参数。（2）基于E-YOLO算法和水体指数约束的大面幅水利设施检测算法。通过水体指数约束滑动步幅来解决影像面幅大、目标尺度小的问题,同时降低漏检率和误检率,再结合轮廓合并方法,优化检测结果。本研究中采用高分二号影像数据实现大面幅影像水利设施检测,实验结果表明：E-YOLO算法可以明显提高水利设施检测效果,相比平均F2精度相比YOLO v3提高了1.25%。且有更好的稳定性;水体指数约束的大面幅检测方法可以在保证效率的情况下提高检测精度,其F2精度相比大步幅和小步幅方法分别提高了3.72%和2.70%,为遥感水利设施检测提供了良好方案。     

DEM坡向提取的向量场模板匹配方法

利用几何代数的多维统一性与运动表达的简明性特征,设计了用几何代数向量场拟合进行地表坡向表达和提取的新算法。基于高斯合成曲面模型模拟的多尺度格网DEM数据,对坡向计算的正确性、抗噪性及空间整体性进行验证和统计分析,显示几何代数向量场拟合方法能正确提取地表坡向,且较之三阶反距离平方权算法具有更强的抗噪性;选取5类典型的不同地貌类型数据进行最优窗口和坡向提取试验,黄土丘陵,梁、峁、塬和风沙地貌的最优窗口大小分别为13、11、11、11、17,所提取的坡向可以较好地反映不同地貌类型的结构特征。     

燕山地区京西坳陷青白口地区新元古界沉积相演化

在充分调研前人研究成果的基础上,对京西坳陷青白口地区青白口系进行了野外实测、岩石薄片鉴定等研究,结合其岩性特征及沉积结构,细致划分了青白口系沉积相,建立了符合其沉积演化的沉积相模式。青白口系自下而上包括下马岭组、龙山组及景儿峪组,下马岭组为陆源碎屑浅海沉积体系,主要为较深水的陆棚相沉积,并且发育了砂质碎屑流;龙山组为陆源碎屑滨岸沉积体系,发育了大套的临滨及前滨砂体,主要受控于波浪和沿岸流的改造;景儿峪组为典型的碎屑岩碳酸盐岩混积潮坪,由于古纬度相对变化,沉积环境相对干旱局限且低能,下部和上部主要为紫红色泥岩沉积,中部发育大套厚层的碳酸盐岩。由龙山组陆源输入的碎屑物质沉积为主过渡到景儿峪组的内生清水碳酸盐岩沉积为主的环境,代表其构造条件和古地理环境逐渐趋于稳定。     

鄂尔多斯盆地姬塬地区上三叠统延长组长6油层组沉积环境: 来自地球化学的证据

姬塬地区位于鄂尔多斯盆地中西部,主要含油层位为上三叠统延长组。延长组长6油层组是重要的含油层系,其沉积期跨越2个三级层序,从底至顶又再分为长6₃、长6₂、长6₁共3个小层。依据元素地球化学资料,对姬塬地区长6油层组氧化还原环境、古盐度、古水深、古气候进行研究。结果表明,姬塬地区长6油层组沉积时期处于温暖湿润的气候条件下,整体为低盐度的淡水湖泊沉积;氧化和还原环境共存,还原环境范围逐步减小并有所迁移;湖盆有逐渐缩小和变浅的趋势,后期趋于稳定。长6₃沉积时期,湖泊范围较大,砂体主要为河口坝和远砂坝沉积,半深湖发育浊积砂体。随着湖平面的下降,长6₂沉积时期湖盆范围明显缩小,半深湖砂体基本不发育,以河口坝砂体为主。长6₁沉积时期,湖盆范围相比长6₂略有缩小,砂体厚度明显增大,在湖盆范围内发育多期河道叠加及河道—河口坝叠加成因的砂体。该研究成果有助于明确该地区的沉积演化规律,对进一步勘探开发提供参考。     

天津蓟县晚元古代冰碛岩的发现

在对华北板块中北部天津蓟县中、新元古界的研究中发现,在新元古界青白口系景儿峪组之上、早寒武世府君山组之下,发育一套角砾岩,其究竟属于晚元古代还是早寒武世,并没有确切证据。由此推测为晚元古代并将这套地层命名为“西井峪组”。通过对西井峪组角砾岩的野外实测、薄片观察,对角砾岩的沉积特征做了详细的描述,并对其成因及物源进行了分析。结果表明:西井峪组为一套厚155 m的角砾岩,并可根据角砾成分和大小的变化分为九段。这套角砾岩中角砾的成分主要为白云岩,还有少量的燧石及石灰岩;整体呈块状,无层理,无层面;角砾含量80%~90%,杂乱排列,大小混杂,分选差,磨圆差,普遍为棱角状和次棱角状,填隙物主要为白云石泥和粉砂,结构成熟度极低。角砾的母岩主要是中元古界蓟县系雾迷山组,少量来自铁岭组。这套角砾岩属于冰川成因,为典型的冰碛岩。这套冰碛岩的发现对恢复晚元古代地球气候特征具有重要意义,其出现或许与“雪球地球”有关。