基于百度AI卷积神经网络的茶树结霜智能识别北大核心

基于采集的近20000张茶园图像,分别筛选出1000张茶园结霜和1000张未结霜图像作为训练样本,利用百度AI开放平台的EasyDL经典版图像识别功能,应用卷积神经网络算法,建立茶园结霜识别模型,进行茶树结霜图像智能判别。茶树结霜智能识别模型的准确率、F1评分、精确率、召回率分别为99.2%、99.2%、99.3%、99.1%。模型检验结果为:样本地20张结霜图像的平均识别置信度为95.51%,20张非结霜图像的平均识别置信度为99.99%;非样本地(江南茶区)80张结霜图像的平均识别置信度为97.53%,80张非结霜图像的平均识别置信度为95.11%。     

拉曼雷达重叠函数的模拟与校准

重叠函数的校准对地基激光雷达低空大气探测的准确性至关重要。目前被广泛用于校准拉曼激光雷达重叠函数的双通道实验标定法,需要满足弹性散射通道与氮气拉曼散射通道的重叠函数近似相等的前置条件。但实际仪器光路往往会偏离理想状态,使得该前置条件无法得到满足,导致校准失败。本文使用光线追踪法模拟重叠函数,计算了各种光路失调情况下弹性散射通道与氮气拉曼散射通道的比值,并引入了一种镜头遮蔽实验来评估双通道实验标定法的前置条件是否得到满足。数值模拟结果表明,当雷达接收面的不同象限被遮蔽时,如果弹性散射通道与氮气通道的信号强度比值基本保持不变,则满足前置条件;如果弹性散射通道与氮气通道的信号强度比值有显著差异,则可判定仪器光学系统失调,需要调整直至满足上述前置条件时才能使用双通道实验标定法标定。利用该方法对南京市气象局安装的拉曼激光雷达进行了光路测评和调整,并与CCD(charge-coupled device)侧向成像激光雷达观测信号做对比,结果显示调整后的定标效果更好。     

准噶尔盆地南缘中段山前复杂构造变形特征及形成演化

准噶尔盆地南缘中段紧邻北天山山前，构造变形错综复杂。山前发育的三排构造的形成时间存在许多认识上的分歧，对演化过程中褶皱和断裂的变形叠加特征缺少系统的对比分析。笔者在前人研究的基础上，利用地震资料解释、平衡剖面恢复、构造物理模拟等研究手段，结合断层滑移距、伸展压缩速率定量分析方法，对研究区的构造变形特征和叠加演化过程进行了系统的分析。研究认为：(1)南缘中段三排构造自南向北,变形强度由强变弱；第一排背斜受控于基底卷入型断裂体系，第二、三排背斜受控于顺层滑脱型断裂体系，构造之间具有形成递进的演化关系，叠加形成多种复合构造样式。(2)断层滑移距总体“由深至浅”逐渐变小，具有继承性发育的特点；主干断裂滑移距存在明显的拐点，是多期次活动的有力证据。(3)基底大型逆冲断裂是先存断裂，后期继承性发育；基底卷入型褶皱–冲断带是褶皱作用发生在逆冲断裂之前，后期表现出边断边褶特征；滑脱型褶皱–冲断带是冲断和褶皱同时或冲断先于褶皱形成。(4)第一排背斜形成于侏罗纪末期，第二排背斜在此时期形成微弱雏形，并在古近纪末期形成明显轮廓；第三排背斜形成于新近纪末期；第四纪至今的强大挤压作用使3排背斜被断裂强烈改造。     

东莞分镇暴雨预警信号的发布特征与质量评估

对2016—2020年东莞分镇暴雨预警信号进行统计分析及质量评估，结果表明：2016—2020年东莞分镇暴雨预警信号次数总体呈现逐年上升趋势，分镇暴雨预警信号占所有预警信号的比例稳定在50%以上；总降雨量偏多和暴雨日数较多的区域，分镇暴雨预警信号发布次数相应较多；分镇暴雨预警信号的发布集中在汛期，后汛期比前汛期的频次多；前汛期分镇暴雨预警的高频区是水乡片，后汛期分镇暴雨预警的高频区是丘陵片。分镇暴雨预警TS评分率较高，为89.5%,后汛期比前汛期的准确率高，前汛期提前量比后汛期提前量早。