基于空间插值的长江口邻近海域春季悬浮物和叶绿素a空间分布分析

针对目前利用实测数据对长江口邻近海域水质状况进行分析研究相对偏少的情况,基于“淞航”号2018年春季航次对该海域的综合观测,利用实验室水样分析数据对船载温盐深仪（CTD）的测量数据进行校正,并对该区域2018年春季时节悬浮物（TSM）和叶绿素a(Chl-a)浓度的空间插值结果进行分析。研究结果表明：CTD观测数据与水样分析数据呈较强线性相关关系。反距离权重插值对TSM和Chl-a浓度空间分布具有整体最优的效果。TSM浓度在近岸和近海底较高,在观测区域内出现两个高值中心;Chl-a浓度在近岸海域较高,有较明显的片状高值结构,垂向上表层较高。TSM与Chl-a浓度分布在长江口南北表现出不同的特征,且两者具有一定的负相关性。长江径流、外海洋流、潮汐混合等水动力过程是影响该区域TSM和Chl-a浓度分布的主要因素。     

一种基于多源数据融合的滑坡地形深度学习识别模型研究

传统高位远程滑坡识别依赖地质专家人工判别,识别效率较低。研究实现一种基于深度学习的滑坡地形自动识别模型,以提高大范围区域潜在滑坡隐患点筛查工作的效率。该模型以目标区域的遥感图像、DEM数据、地质分区、河流水系等地质观测数据为输入,针对不同类型观测数据差异巨大的问题,设计构建特征分支网络,精确提取对应的滑坡特征。对光学影像数据采用深层网络架构提取复杂特征,对海拔、地质构成、河流和断裂带分布等结构化数据采用浅层网络架构提取特征。随后设计特征融合模块,融合两个网络的提取结果获得全面的滑坡灾害特征。模型基于提取的滑坡特征进行滑坡区域语义分割,实现精准的像素级别滑坡地形分类和定位。通过实验验证,该模型对滑坡区域的识别准确率（ACC）达到了0.85,可为滑坡自动识别提供技术支撑。