磁敏感加权成像临床应用和在血管瘤评估中的研究进展

磁敏感加权成像是一种近年发展的MRI新技术,在中枢神经系统疾病中的诊断及鉴别诊断中的重要作用已经得到了广大临床大夫的认可,具有很高的应用价值和拓展前景。SWI作为常规MRI检查的重要补充序列,采用3D梯度回波扫描,完全速度补偿,射频脉冲扰相等技术,具有三维、高分辨率、高信噪比的特点,可以更好地分析软组织血管瘤的结构成分,鉴别活动性出血、机化血栓、钙化及铁沉积等。而且SWI相位图能够清楚显示瘤体内部新生血管、瘤体周围静脉血管位置和形态改变,更有利于准确评估病变范围及程度,为血管瘤定位及定性诊断可以提供更多的影像信息,对于临床诊断及治疗方案的制定、预后评估都具有重要的应用价值。     

基于遥感影像的北部湾金滩变化研究

以北部湾金滩砂质海滩为研究区域,以2000～2008年的28景Landsat-ETM+为数据源,通过多时相遥感影像水边线高程技术确定地形坡度,计算出金滩海滩高程变化、淤涨速度,得出坡度为2.3%,海滩同高程水边线向海方向推移速度为2.7 m/a,高程变化为+0.068 m/a。通过本研究,将从整体上把握北部湾金滩的变化特征,为开发建设金滩提供了参考依据。     

地质资料集群化管理系统中的符号配置研究

海量地质资料的开发利用,催生了集群化产业化的工作,使地质资料集群化管理系统的建设成为必然,系统建设中,符号化配置工作的好坏,直接决定了系统展示效果,本文在分析地质资料数据的基础上,详细介绍了符号配置的整个过程,包括如何制作符号、符号配置数据库设计以及如何在程序中读取符号,实现图层符号化,并摘录了程序中主要的操作代码,最终展示效果图。     

我国开展测绘地理信息一致性测试的探讨

测绘地理信息标准化是保障地理信息产业健康快速发展的重要技术手段,一致性测试作为一种标准化的检测手段已广泛应用于信息技术、工业自动化等多个领域,如何建立与我国国情相适应的测绘地理信息一致性测试评价体系是当前面临的重要课题。首先介绍一致性测试理论的发展及应用现状,然后对一致性测试的特点进行深入分析,提出在测绘地理信息领域开展一致性测试工作的特殊性和必须考虑的问题,最后结合测绘地理信息领域的现状探讨如何建立测绘地理信息一致性测试评价体系。     

用卫星工具软件包进行北斗单天线姿态仿真测量

从载体姿态测量的实际需要和多天线姿态测量的局限性出发,分析了单天线测姿的应用价值和基本原理,从我国的具体国情出发,提出了基于北斗系统的单天线测姿算法。利用卫星工具软件包仿真的北斗系统星座,以民航飞机为载体,基于MATLAB平台进行了仿真实验,仿真结果分析表明,基于北斗系统的单天线测姿方法在适用条件和测姿准确性等方面效果理想,在一定精度要求下满足应用需要,对建立实用可靠的单天线测姿具有积极的推动作用。     

城市地下综合管网建设模式——以天津市为例

本文以天津市为例,分析了目前城市管网管理中存在的问题,提出了切实可行的综合管网系统建设模式,设计了有效的管网数据模型,并利用地理信息系统和三维数字仿真技术构建了城市地下综合管网管理系统,在实践中取得了良好的应用效果。     

利用RD模型和DEM数据的高分辨率机载SAR图像模拟

本文提出一种利用DEM数据基于RD模型的SAR图像模拟方法。该方法选择了Muhleman后向散射系数模型模拟SAR图像的辐射特性,引入SAR成像中的RD模型直接进行几何变换和灰度重采样模拟出SAR图像的几何特征。实验结果分析表明:模拟的SAR图像和真实SAR图像在图像纹理和几何关系上是一致的,而且几何关系可以精确配准到均方根误差为1.3个像素。     

基于CGCS2000的平面坐标系的选取

本文研究了CGCS2000启用后选择城市平面坐标系的方法,提出了以大地高分布数据上投影变形符合限差的点数百分比最大为重要准则,用于选取城市平面坐标系的方法。并以N市为例,利用N市大地高分布数据进行验证,相比常规方法,该方法能更全面、客观地反映区域地形起伏等因素对长度变形产生的影响。     

近40年来中国湖泊叶绿素a浓度的时空分异特征分析

随着经济社会快速发展, 中国湖泊表现出不同程度的富营养化, 湖泊生态正面临着严峻挑战。叶绿素a是评价水体营养状态的重要指标, 可以反映湖泊中浮游植物生物量情况。基于Landsat系列数据集, 对1986~2022年间中国范围内面积在10 km²以上湖泊叶绿素a浓度分布状况进行研究, 并对各区域叶绿素a浓度演变趋势进行分析, 结果表明: (1) 中国湖泊叶绿素a浓度存在地域性空间分布差异。叶绿素a浓度分布整体呈现东南高, 西北低的态势, 大约69%的湖泊处于轻富营养化程度, 中富营养化状态约占17%。以35°N和100°E为分界线, 各区域叶绿素a浓度随经纬度呈现出一定的变化规律。(2) 近40年间中国湖泊叶绿素a浓度年均值处于缓慢波动上升趋势, 时间序列呈现先降低后升高, 再降低的变化状态。所有湖泊叶绿素a浓度显著上升的数量占比约为30%, 显著下降的占比约为24.8%, 变化不显著的约占45.2%。整体变化较为稳定, 变异系数处于中等波动水平以下, 波动较大的区域位于青藏高原, 东北地区和长江中下游的部分地区。(3) 各流域内湖泊叶绿素a浓度时空分异特征表现为: 空间分布上, 内陆流域和西南流域普遍较低, 珠江流域和东南流域较高。时间变化上, 除了西南流域和内陆流域的湖泊叶绿素a浓度呈现下降趋势外, 其他流域均为上升趋势。中国湖泊叶绿素a浓度呈现出明显的地域性差异和时间变化趋势, 这主要归因于地区气候、水文条件、土地利用以及人类活动变化等因素。受温暖湿润气候和较强人类活动的影响, 东南部地区的湖泊叶绿素a浓度相对较高。西北部地区气温偏低, 降水较少, 湖泊叶绿素a浓度普遍较低。近40年的时间尺度上, 受城市化、工业化快速发展和全球气候变化的共同影响, 中国整体湖泊叶绿素a浓度呈缓慢上升趋势。     

基于机器学习的土壤温度预估研究综述

土壤温度是地球科学研究中的重要物理量。在陆-气相互作用研究中,土壤温度不仅影响土壤内部的物理、生物、化学过程,而且对陆-气之间能量和物质交换起重要作用。随着可获取的相关数据越来越丰富,机器学习方法已经被越来越多的研究人员引入到土壤温度预估中,在很多任务中已经超过了统计模型、物理模型的性能。本文对比了统计模型、物理模型和机器学习方法这三种土壤温度常用计算方法的异同,简要介绍了应用于土壤温度研究的各类机器学习模型的原理和特点,综合国内外文献归纳了传统机器学习和深度学习在土壤温度空间分布、时间变化和时空变化三方面的研究进展。在土壤温度空间分布研究中,传统机器学习方法能够通过影响因子的空间异质性学习空间特征,并利用站点观测数据计算土壤深处的温度,但随土壤深度增加模型效果减弱,而深度学习模型有能够提取空间特征的结构,但对数据量要求高,当前研究中仅用于地表温度的遥感反演;在土壤温度时间序列研究中,加入了周期性信息的传统机器学习方法具有更好的模型效果,深度学习中的序列学习模型能自动捕捉土壤温度变化规律,结合了非平稳序列分析方法的混合模型能充分考虑土壤温度变化的连续性和周期性;由于陆面过程复杂性,土壤...