基于集合经验模态分解与BP组合模型的短期余水位预测

水位在忽略观测误差的前提下,可分解为潮位和余水位,后者具有较强的空间相关性以及非平稳特征,是影响水位预报精度的主要因素。港口工程、航运计划编制等方面对实时高精度水位预报具有重要需求,这对余水位预报模型构建提出了更高要求。另外,利用高精度余水位预报模型可减少验潮站布设数量。针对余水位短期预测模型精度不高的现状,本文对余水位进行集合经验模态(EEMD)分解,获得余水位在时间序列上的本征模函数(IMF);使用快速傅立叶变换(FFT)分析各本征模函数的频谱特征;再利用BP神经网络对各个本征模函数进行训练,预测了未来6 h、12 h、24 h的余水位值。对哥伦比亚河下游河口处的3组典型验潮站的余水位数据的预测结果表明,在未来6 h、12 h内的余水位的预测精度达到厘米级,在24 h内接近厘米级,证明了该组合模型在余水位短期预测方面的可行性。     

一种改进的基于TIN的多波束测深数据抽稀算法

多波束测深数据具有海量性与冗余性特征,海量的多波束数据不利于海底DEM构建与海图生产。因此,对于离散的多波束测深数据,行之有效的抽稀算法在多波束测深数据处理与应用中尤为重要。文中分析了常用的数据抽稀算法在数据处理速度以及特征地形保留方面的缺陷,提出一种通过改进基于TIN的数据处理流程的抽稀算法,并对比分析了抽稀前后海底地形特征。实验结果表明,改进的抽稀算法在数据量增大时依然可以保持较高的抽稀速度,能有效地提高数据抽稀的效率,准确保留海底地形特征。     

面向自然资源调查的红树林精细化智能提取方法研究

红树林信息精细化智能提取是自然资源调查监测工作中亟待解决的关键技术。当前,红树林提取工作主要依靠人工目视解译,提取效率不高、精度较差。本文提出一种面向自然资源调查的红树林精细化智能提取方法,首先基于海量多源高分辨率遥感影像,结合多尺度优化分割技术,半自动化构建海量红树林样本集;然后结合语义分割网络,引入双注意力机制,优化训练策略,研发红树林自动化提取算法模型,经过后处理得到精细、完整的红树林提取结果。经过实验验证,本文方法提取可识别单颗红树林,有效区分易混淆的其他植被和水田要素,总精度高于90%,可有效应用于红树林专题信息的提取工作。     

聚类分析在Galileo载波相位组合观测值选取中的应用

鉴于传统Galileo载波相位组合观测值筛选方法工作量大,本文引入了模糊聚类理论,将其与载波相位组合理论相结合,对聚类指标进行了选取,然后运用最大树聚类法对Galileo载波相位组合观测值进行分类,并讨论了分类结果.最后通过与传统聚类方法的比较,证明了本方法的合理性.     

基于海底地貌分类的海底地名通名分类体系研究

海底地名通名的分类与命名是地名命名研究的重要内容,而海底地名通名实际上是海底地貌类型的名称。在总结国内外已有陆地和海洋地貌分类研究成果的基础上,提出了基于地貌分类的海底地名通名分类体系。     

基于海底地名命名的海底地理实体分类进展

海底地形地貌分类是海洋地质学研究的重要内容之一,分类方法需要结合多学科知识完成。海底地形地貌中典型地理实体类型的界定也是海底地名命名研究的重要内容之一,直接关系到海底地名的准确性。国际海底地名命名分委会(SCUFN)在此领域已进行了多年的研究和探索,总结出了包含54类海底地理实体类型的海底地名通名列表。但由于命名方法的限制,目前SCUFN有关地名通名的界定原则多局限于对地理实体外表形态的判别,较少考虑其地质成因和构造性质,这也造成了许多地名提案出现了审议—通过—推翻—重新审议的情况。在分析海底地形地貌类型的基础上,总结现有的海底地理实体分类方法,并针对海底地名命名出现的地理实体类型界定争议,说明SCUFN分类方法存在的缺陷,力求寻找更加科学准确的海底地理实体界定方法。     

南极海底地名命名研究进展

随着多波束等海底探测技术的迅速发展,大量新的海底地理实体被发现并命名,海底地名命名活动日益活跃。近年来,越来越多国家的海底地名命名活动由深海大洋向两极拓展,尤其是南极,因其特殊的地理位置和资源环境,开展精细化海底调查并命名新发现的南极海底地理实体已成为一些国家未来“主张”或“拓展”其南极海洋权益的重要手段。本文针对南极海底地名命名的现状,对其管理情况、命名规则情况以及各国命名发展趋势进行了总结分析,在此基础上结合我国南极海底地名命名的实际提出了相关发展建议,为进一步彰显我国对南极事务的贡献提供有效手段。