Vertical variations of dissolved carbohydrates in the North Yap Trench

The concentrations of dissolved monosaccharides(MCHO),polysaccharides(PCHO),and total carbohydrates(TCHO)in the seawater samples collected from the north of the Yap Trench in the western Pacific Ocean were measured by 2,4,6-tripyridine-s-triazine(TPTZ)spectrophotometry method.The results show that the concentrations of MCHO,PCHO,and TCHO ranged from 4.6 to 22.1μmol C/L,3.5 to 27.3μmol C/L,and 13.8 to 36.3μmol C/L,respectively.In different sampling stations,the concentrations of MCHO,PCHO,and TCHO with water depth showed complex variation patterns.In the study area,the maximum concentrations of MCHO,PCHO,and TCHO occurred in the euphotic layer and the minimum concentrations occurred in mesopelagic seawater layer.Generally,the concentrations of MCHO,PCHO,and TCHO decreased with water depth from the euphotic layer to the hadal zone.The average value of PCHO/TCHO was higher than the average value of MCHO/TCHO,indicating that PCHO was the main component of TCHO in north of the Yap Trench.     

喜马拉雅山脉中段土地覆被的垂直分异特征

喜马拉雅山脉中段的珠穆朗玛峰等地,海拔高差巨大、生境复杂多变、土地覆被类型多样且植被垂直带谱完整,是全球范围内研究土地覆被垂直变化的理想场所。本文基于30 m空间分辨率的土地覆被数据（2010年）和DEM数据,在ArcGIS和Matlab平台的支持下,提出并运用脊线法、样带法和扇区法3种山地南北坡划分方法,研究了喜马拉雅山土地覆被垂直分布与结构差异。结果表明：① 山地土地覆被分布具有明确的垂直地带性结构特征,喜马拉雅中部土地覆被垂直带谱为南六北四式,土地覆被垂直带谱中具有人类活动的特点。② 南北坡之间的土地覆被垂直带谱差异明显,南坡土地覆被类型完整多样,北坡相对简单;对同类型土地覆被而言,南坡较北坡分布高程低、幅度宽。③ 依据各类型分布面积比随海拔变化情况,土地覆被类型在南北坡上的垂直分布可分为4种模式：冰川雪被、稀疏植被和草地为单峰分布型,裸地为南单峰北双峰分布型。④ 3种划分方法中,南坡的土地覆被垂直带结构具有相似性,而北坡的土地覆被垂直带结构存在差异,扇区法较好地反映了土地覆被自然分布格局。     

基于自然资源管理的新型基础测绘研究

新一轮的职能改革赋予自然资源部门新的职责,文章在分析了现有自然资源业务数据和基础测绘数据的基础上结合自然资源管理需求,提出了新型基础测绘的相关技术要求、应用方向和地理实体数据的技术路线,为新型基础测绘的开展提供了有益探索,为基础测绘服务自然资源管理提供了理论依据。     

基于傅里叶变换色散条纹法的实验研究

光干涉要求实现各光路共相位叠加,对于宽波带的白光干涉要求更加苛刻。因此,要实现稳定的白光光干涉需要对光程进行实时探测和控制。对基于傅里叶变换的色散条纹法进行了理论推导、算法设计,并利用实验室建立的Fizeau型干涉实验装置开展开环、闭环实验研究。在开环实验中,采集不同光程差的多幅色散条纹图像研究了图像频谱次峰偏移量和光程差的关系,结果显示,偏移量与光程差之间呈现良好的线性关系。在闭环实验中,利用光程差的实时计算结果和光程补偿机构对光程差进行闭环控制,结果显示,在外加扰动的情况下,系统能够始终保持在初始的干涉状态。     

基于卫星遥感数据的森林病虫害监测与评价

森林病虫害由于在森林资源中造成的重大破坏而被人们称为“不冒烟的火灾”,其对生态系统的研究具有重要意义。现有基于遥感数据的病虫害研究多集中在森林病虫害的监测、爆发原因以及发病区域内生产力的变化情况,而对于森林病虫害发生后森林中植被指数与叶面积指数之间的相关性的变化情况还相对较少,处于需要持续性深入探讨的阶段。以加拿大不列颠哥伦比亚地区2002—2012年森林病虫害数据为基础,分析不同严重程度的病虫害对叶面积指数（LAI）与归一化植被指数（NDVI）和增强型植被指数（EVI）的影响。结果表明：① 受病虫害感染的像元在轻度（Light）、中度（Moderate）和重度（Severe）三个严重级别中,NDVI与LAI之间的相关性由弱变强,又由强变弱;② EVI与LAI之间的相关性,在轻度（Light）、中度（Moderate）和重度（Severe）三个严重级别的像元中则依次变强。这一研究将为今后利用遥感数据识别病虫害、评价生态系统影响提供基础。     

规则池塘群的复杂直线模式识别

针对现有面要素直线模式识别方法难以解决规则池塘中破碎区域的问题,提出了一种规则池塘群的复杂直线模式识别方法。首先,分析了规则池塘群的空间特征和认知特点,提出了“主次关系→并列关系→直线模式→复杂直线模式”的多层次认知顺序;其次,设计了主次关系池塘组、并列关系池塘组、直线模式池塘群的识别方法;最后,构建了复杂直线模式池塘群的识别模型。试验表明:本文方法能够消除破碎区域对规则池塘群直线模式提取的不利影响,有效提升复杂直线模式识别的质量。     

A-FPN算法及其在遥感图像船舶检测中的应用

光学遥感图像船舶检测主要面临两个挑战:光学遥感图像背景复杂,船舶检测易受海浪、云雾及陆地建筑等多方面干扰;遥感图像分辨率低,船舶目标小,对于其分类与定位带来很大困难;针对上述问题,在FPN的基础上,提出一种融入显著性特征的卷积神经网络模型A-FPN (Attention-Based Feature Pyramid Networks)。首先,利用卷积提取图像特征金字塔;然后,利用顶层金字塔逐级构建显著特征层,抑制背景信息,通过金字塔顶层的细粒度特征提高浅层特征的表达能力,构建自上而下的多级显著特征映射结构;最后利用Softmax分类器进行多层级船舶检测。A-FPN模型利用显著性机制引导不同感受下的特征进行融合,提高了模型的分辨能力,对遥感图像处理领域具有重要应用价值。实验阶段,利用公开的遥感目标检测数据集NWPU VHR-10中的船舶样本进行测试,准确率为92.8%,表明A-FPN模型适用于遥感图像船舶检测。