中国典型地区土壤碳储量研究

利用多目标区域地球化学调查高精度和高密度土壤碳分布数据,建立"单位土壤碳量",采用指数模型计算方法,取得各地区土壤碳储量数据.按照土壤类型、土地利用分类、生态系统及自然景观等划分方式,按照 0～0.2m,0～1.0m和 0～1.8m不同土壤深度,分析了四川、湖南、吉林、江苏、河北、陕西等代表性地区有机碳储量空间分布特征,进行中国土壤碳储量研究.计算结果表明,全国土壤碳储量分布不均匀.按照 0～1.8m深度比较,成都平原土壤碳储量为1462.9Mt,碳密度为24813t/km2; 吉林平原区碳储量1381.96Mt,碳密度14473t/km2; 湖南洞庭湖区碳储量757.65Mt,碳密度18171t/km2; 江苏省碳储量1468.87Mt,碳密度13802t/km2; 陕西渭河平原碳储量165.47Mt,碳密度12124t/km2; 河北平原区碳储量844.84Mt,碳密度10525t/km2.按照面积加权平均计算,推算出全国多目标区域地球化学调查地区平均碳密度,0～0.2m为3186t/km2,0～1.0m为11646t/km2,0～1.8m为15339t/km2.     

应用稀土元素示踪森林沼泽区表生介质不同粒级物质来源

稀土元素广泛地应用于研究不同地质体的同源性判断方面。通过小西林和绰尔水系沉积物和不同层位土壤中稀土元素地球化学特征研究,发现不同粒级( 80目和-80目)的泥炭均具有“Ce亏损型“配分模式,土壤残积层和坡积层的配分模式基本上相同,表明它们来自同一类母体;腐殖层土壤和水系沉积物细粒级(-60目)的配分模式与泥炭基本相同,表明腐殖层土壤是泥炭的重要供给源;水系沉积物细粒级(-60目)部分则主要来自泥炭。     

高光谱图像稀疏约束与自编码器特征提取相结合的异常检测方法

高光谱图像的异常检测在军事、农业、勘探、防火等领域具有重要的应用价值。传统的高光谱图像异常检测算法未能有效地挖掘图像光谱的深层特征,而深度学习方法具有良好的提取深层特征信息的能力。由于异常检测问题一般无法获取地物先验信息,因此无监督网络相比于监督网络要更为适用。而现有的基于自编码器的异常检测算法没有对局部信息进行有效利用,导致检测效果受限。针对这一问题,本文提出一种基于稀疏表示约束的自编码器深度特征提取方法。首先通过栈式自编码器得到深层次语义信息;然后利用稀疏表示作为约束与编码器进行有效结合,挖掘了潜在隐藏空间中的特征元素的局部表示特性;最后采用分数傅里叶变换,通过空间-频率表示获得原始光谱与其傅里叶变换的中间域中的特征,进一步增强了背景和异常的光谱区分度,且能有效去除噪声的影响。在Hymap、AVIRIS、ROSIS、HYDICE这4种光谱仪采集的5幅高光谱遥感影像上进行了性能验证,得到的曲线下覆盖面积(area under curve, AUC)分别为0.990 5、0.998 3、0.999 0、0.992 8和0.911 0,相比于对比算法都有了不同程度的效果提升。结果表明本文...