Seismic data reconstruction based on iterative linear expansion of thresholds

Based on the compressive sensing,a novel algorithm is proposed to solve reconstruction problem under sparsity assumptions.Instead of estimating the reconstructed data through minimizing the objective function,the authors parameterize the problem as a linear combination of few elementary thresholding functions,which can be solved by calculating the linear weighting coefficients.It is to update the thresholding functions during the process of iteration.The advantage of this method is that the optimization problem only needs to be solved by calculating linear coefficients for each time.With the elementary thresholding functions satisfying certain constraints,a global convergence of the iterative algorithm is guaranteed.The synthetic and the field data results prove the effectiveness of the proposed algorithm.     

基于变分模态分解与相关向量机的变形特征提取及智能分析研究

建筑物、大型工程结构、边坡等受到内在与外在的复杂因素影响下,产生不同程度的变形.通过变形监测及变形数据分析,可及时、准确地掌握形变过程信息.变形特征提取与分析是变形数据处理的核心内容之一,是建筑物与工程结构精确健康监测、预报预警的关键,是变形灾害防治的重要理论与实践基础.由于变形体变形过程及变形数据采集过程中受到多种不确定性环境因素与人为因素的影响,变形数据具有显著的非线性、非平稳、高噪声和多尺度等特点,导致传统的变形数据分析方法存在诸多不足之处.     

面向城市精细化治理的"地楼房权人"实体构建

构建基础时空信息底板,是实现智慧城市内部多源、异构、海量数据间的关联与融合,保障各类智慧应用正常运转,实现城市精细化治理的前提.文中提出"地楼房权人"多层次城市实体模型,并基于该模型设计并实现"地楼房权人"实体建库、城市多源信息关联融合的业务框架,并通过应用展望,从教育学位配置和医疗资源管理等方面举例说明基于"地楼房权人"实体模型的多源信息关联在城市精细化治理中的应用价值.研究表明,通过构建"地楼房权人"等城市实体数据,并基于此关联集成各类城市数据,最终形成面向城市精细化治理的基础时空信息底板,将为智慧城市的各类应用提供基础支撑.     

建筑物立面分类与DIM点云滤波

针对目前基于近景摄影测量方法构建建筑物立面模型过程中因密集影像匹配（DIM）点云噪声所引起的建筑物立面TIN网格模型畸变问题,本文借鉴机器学习中样本学习的思想,对建筑物立面进行了分类并对DIM点云提出了相应的滤波方法,以达到去除DIM点云噪声和改善其TIN网格模型畸变的目的。其中,针对平面结构立面,采取先对点云样本进行学习计算构建数学立面模型所需参数,再对该立面模型设定阈值并对其点云进行滤波处理的方法;针对曲面结构立面,则结合DIM点云特性先将点云样本分类标记归为立面点与非立面点,再进行样本特征值学习,使用Logistic回归算法迭代计算求解最佳回归系数,从而构建滤波分类器的方法对立面点云进行滤波处理。试验结果表明,本文滤波处理方法能将立面DIM点云噪声有效识别并去除,而且使用该方法处理后所得点云构建的建筑物立面TIN网格模型精细化程度得到有效提高,模型质量得到明显改善。     

深度学习支持下的丘陵山区耕地高分辨率遥感信息分区分层提取方法

耕地是丘陵山区稀缺的土地资源,具有地形条件复杂、种植结构多样的特点,导致了山地耕地信息难以快速、准确获取,并且基于传统的遥感数据及遥感监测方法开展山区耕地信息快速自动提取比较困难。针对这一问题,本文以西南山区贵州省息烽县作为试验区,根据地理空间异质性特征,提出分区控制、分层提取的耕地形态信息提取思路,构建了一种地貌单元约束条件下的分区分层耕地形态信息的提取方法。该方法首先根据地貌-植被特征将试验区划分为平坝区、山坡区、林草区3类地理分区;然后在每类分区基础上,根据耕地所呈现的视觉特征划分为不同的类型,对不同类型的耕地分别设计不同的深度学习模型进行分层提取。试验结果证明,该方法对山区复杂地形背景噪声具有较好的抑制作用,所提取的耕地地块信息相比于传统方法更符合实际耕地的实际分布形态,有效地减少了漏提率和错提率。     

河流泥沙输移过程中矿物风化的碳汇效应初探——以长江干流为例

本文首先提出了河流泥沙输移过程中泥沙中的钙镁矿物溶蚀消耗水体中的CO2并具有碳汇功能的观点。基于前人长江干流从源头到入海口和支流2003~2007年期间4次河流悬移质泥沙的化学元素组成和矿物组成资料,分析悬移质中CaO、MgO含量和方解石、白云石含量变化特征,定量计算了这些取样点悬移质泥沙的CO2总碳汇能力和非永久性、永久性碳汇能力,分析了不同碳汇能力沿程变化规律及其原因。碳汇计算结果表明：寸滩—大通河段1956~2000年期间泥沙输移过程中钙镁矿物溶蚀产生的总碳汇量、非永久性和永久性碳汇量分别为2572万t/a、1700万t/a和872万t/a。由于输沙量减少,寸滩站—大通站河段的总碳汇量、非永久性和永久性碳汇量2006~2019年期间较1956~2000年期间相应分别减少了1852万t、1224万t和872万t。三峡水库年均淤积量1. 145亿t,损失总碳汇量675. 6万t,相当于三峡电站减排二氧化碳8580万t的7. 9%。全球河流入海年输沙量126. 1亿t,以寸滩- 吴淞口河段碳汇功能0. 060 t/t计,总碳汇量7. 57亿t相当于全球岩石风化碳汇总量10. 56亿t CO2的71. 6%。河流泥沙输移过程中钙镁矿物溶蚀的碳汇量具有重要的作用,其溶蚀速率大于原地风化。     

《坤舆万国全图》地图数字复原与讨论

《坤舆万国全图》是我国现存最早的世界地图,针对以往难于窥见巨幅地图全貌,国内学者对其投影类型及性质一直存在争论,该文利用美国国会图书馆高清扫描件对其进行考证,确认《坤舆万国全图》主图采用Ortelius椭圆投影,并利用现代计算机技术对其进行恢复,提取出精确的地理信息,为进一步研究中西测绘史提供了数字化实例.同时,针对近年来明代中国人环球测绘《坤舆万国全图》的说法,该文对成图年代、部分地名注记、南美大陆形状等进行研究,认为质疑《坤舆万国全图》的主要观点并不成立,该图作者应是利玛窦,利玛窦世界地图无疑是东西方文化交流互鉴中最具传奇色彩的历史见证.     

车道线检测中自适应图像预处理算法研究

针对传统车道线检测中图像预处理算法易受光照、遮挡以及阴影等环境因素影响的问题,提出了一种自适应灰度处理算法,并与全局二值化组合用于车道线检测的图像预处理.算法结合R和G通道对车道线的敏感性自适应选取灰度处理阈值,并结合逆透视变换和全局二值化算法实现高质量预处理图像生成.为了验证本文算法实际性能,分别在Tusimple、KITTI、CULane和Caltech-lanes 4个数据集上进行了测试实验.实验结果表明:所提算法能够有效降低光照、遮挡和阴影等环境因素对预处理效果的影响,相比于传统预处理方法检测精度更高,鲁棒性与普适性更优.     

柴达木盆地土壤盐渍化程度快速动态监测

针对柴达木盆地土壤盐渍化的时空变化问题,该文采用了反演土壤盐度指数的方法快速评估了该地区的盐渍化程度变化及其空间分布,并且选择2015年利用土壤采样方法获取标本验证SI在研究区的适用性,集成RS技术和GIS空间分析的优势,综合利用空间分析和时序分析技术对柴达木盆地2000-2015年的盐渍化程度和分布面积进行了时空变化分析.研究结果表明了 SI值在研究区的适用性,同时发现2000-2015年,柴达木盆地土壤盐渍化的面积和程度整体上均有明显降低趋势,尤其在重度盐渍化区域更为明显,但中、低度积盐面积,程度均有所增加.研究可以为柴达木盆地土壤盐渍化程度的快速评估提供参考.     

面向地下空间规划建设的三维辅助决策平台研究与实现

基于为地下空间规划建设提供科学决策的目的,本文提出了基于三维仿真技术的地下空间规划建设辅助决策平台建设的思路,构建了三维辅助决策平台的整体框架,借助正元三维GIS平台Genius World,实现了对基础地理、城市地质、地下空间设施数据的一体化存储管理和三维可视化集成表达。同时,根据实际业务需求,研究并实现了集地上地下一体化剖面分析、大型建筑物选址分析、地下轨道交通选线规划、地下空间适宜性评价等于一体的地下空间辅助规划平台,提供了规划设计方案的合理性综合分析与模拟评价,提高了地下空间规划建设的科学性、规范性、严密性和高效性。最后对地下空间规划建设辅助决策做出了总体评价,并提出了下一步研究方向。