基于CA-Markov模型的长沙市望城区土地利用/覆盖变化预测

为获取望城区未来土地利用/覆盖的数量及空间分布情景,本文利用2009、2010、2012年土地利用/覆盖数据、DEM及社会经济数据,运用Logistic模型分析土地利用变化与各驱动因子间的定量关系,综合区域限制条件修正土地利用适宜性概率,最终耦合CA-Markov模型对2020年土地利用进行模拟与预测。模拟结果较好地揭示了望城区土地利用动态变化趋势,一定程度上指导该地区的土地资源优化配置。     

双鸭山局与企业联谊共畅和谐发展

本报讯近日,双鸭山市国土资源局邀请本市大型用地、用矿企业联谊,共畅构建和谐,为全面落实科学发展观,促进地方经济又好又快发展作出新的贡献。市人大、市委、市政府、市政协的领导也应邀参加了联谊活动。     

天青石形貌特征的水热晶体生长实验研究

为了更好地了解天青石晶体的形貌特征和沉淀机制，本文利用硫酸钠溶液和氯化锶溶液，采用室温混合-室温生长法、室温混合-高温熟化生长法及高温原位混合法，开展了天青石的水热晶体生长实验。结果表明，温度对天青石晶体的形貌具有重要影响。200℃条件下原位混合实验合成的天青石具有多种形貌，包括粒状、X形、V形、片状、树枝状和菱形体，而室温混合-室温生长与室温混合-高温熟化生长实验合成的天青石晶体形貌差异不大，主要为板状和双锥状。此外，树枝状天青石仅出现在200℃条件下[SO₄^2-]∶[Sr²⁺]的摩尔比为2∶8和3∶7的高温原位合成实验中，这与前人发现的树枝状重晶石仅出现在Ba²⁺相对于SO₄^2-过量的高温原位混合实验的结果相似。可见树枝状形貌可能是重晶石-天青石类质同象固溶体系列矿物的重要形貌标型特征，指示着高温下阳离子相对于阴离子过量的流体混合作用。     

机器学习在水系沉积物地球化学采样下伏基岩填图中的应用

为了探索高效且能大区域应用的基岩填图方式，本文整合水系沉积物地球化学数据和局部空间Moran’s I指数、高程、坡度、坡向变率、高磁、断层、矿点、水系等多元地学数据作为附加特征，采用浅层机器学习决策树及其Bagging和Boosting集成算法，以及深度学习的图卷积网络，分别训练了不同的基岩判别模型。结果表明，相比浅层机器学习的决策树及其集成算法，深度学习的图卷积神经网络基岩判别模型仅使用20%带标签数据就获得了最高的78.31%判别精度。应用基于图卷积网络的基岩类型判别模型对察汗乌苏河地区第四系覆盖物下伏基岩填图，预测结果与其周边基岩类型协调一致，该模型可用来探究更全面的区域基岩分布情况。     

应用Sinkhorn距离和图正则约束的高效解混算法

高光谱盲解混是解决混合像元问题的重要技术。其中,非负矩阵分解凭借其明确的物理意义,为无监督线性光谱解混的发展奠定了基础。由于传统非负矩阵分解采用欧氏距离度量原始矩阵与重构矩阵之间的误差,因而不能有效挖掘各维度特征间关系,影响解混精度。为充分利用高光谱图像中丰富的相关特征,本研究在地球移动距离的基础上引入熵正则约束,用Sinkhorn距离代替欧氏距离,建模不同维度特征之间的关系。同时,为刻画数据的流形结构,将图正则项作为丰度的约束条件,提出了一种基于Sinkhorn距离和图正则约束的非负矩阵解混算法。本研究采用乘性迭代规则对提出的解混模型进行求解,在模拟数据集、Urban数据集以及Jasper数据集上进行实验,实验结果验证了所提出算法的有效性。