利用资源三号影像动态监测矿区环境复绿研究

选择以原地形依台阶式开采方式为主的稀土矿区为研究对象,利用国产资源三号卫星影像为主要的数据源,动态监测矿区环境复绿变化情况.首先,采用同名点自动匹配纠正影像后进行融合处理,再利用正射影像纠正技术校正融合后的影像数据;其次,采用绿色波段占0.7,近红外波段占0.3的比例合成新的绿色波段,再将新合成的绿色波段与正射纠正的影像进行波段重组处理;最后,采用面向对象的方法提取各个影像的绿地信息,精度验证通过后,将提取成果进行叠加分析,统计变化情况.研究成果表明,矿区2014年复绿成效比2013年明显,矿区复绿面积占56.35％,恢复植被任务仍需继续完成.     

基于MapGIS的DEM质量检查与精度评定

介绍了DEM的NSDTF-DEM格式及Arc GIS明码Grid格式,后者的DEM格式应用更广泛并支持更多的GIS软件对其进行读取及处理,故本文通过自编程序实现了前者到后者的转换。     

方差分量估计在高速铁路铺轨控制网中的应用

在处理边角网平差时,由于测边、测角相互独立,通常只能根据经验按观测类型不同进行验前方差估计,不能准确确定测边、测角观测量的权,影响了控制网的精确度。以高铁铺轨控制网(CPIII)数据处理为例,采用方差分量估计方法对控制网进行了数据处理和精度分析,并与等权处理方法做了比较,对边角网或其它不同类型的复杂控制网数据处理具有一定的参考价值。     

基于PSR模型的白龙江流域景观生态安全时空变化

以地貌灾害频发的甘肃白龙江流域为研究区,基于"压力-状态-响应"框架模型构建流域景观生态安全评价指标体系,探讨其时空变化过程及其特征。结果表明:1990~2010年间白龙江流域景观生态安全综合指数逐渐上升,中高安全等级以上的面积约占研究区总面积的52%。流域内低生态安全区域主要集中在舟曲-武都段白龙江两岸区域、宕昌县西北区域和迭部县北部山区,高安全区域主要集中在自然保护区、林业发展区等植被覆盖较好的区域,其分布格局与滑坡、泥石流和水土流失等地貌灾害的风险分布格局相反。     

政府规划约束下的城市空间增长多智能体模拟模型

构建政府规划约束下的包含多种类型智能体和环境因素的城市空间增长多智能体模拟模型,通过居民、开发商和政府三类智能体之间以及智能体与环境之间的相互作用模拟了城市空间增长情况。模型将城市建设用地规划区纳入政府的土地利用政策,探讨了政府规划因素对城市建设用地增长的影响,并根据土地集约利用的原则对模拟结果进行了优化。在Repast和ArcGIS的实验环境下,以南京市中心城区(长江以南)为研究区设置了四组土地利用情景,模拟了2001-2007年研究区的城市建设用地增长情况,对比不同情景下模型的模拟精度,说明正确合理的政府规划引导对城市空间增长的重要作用以及对模拟结果进行优化的必要性。该模型有助于揭示城市空间增长机制,为政府宏观调控政策和规划制定提供参考。     

视觉感受与Markov随机场相结合的高分辨率遥感影像分割法

鉴于视觉感受对外界强大的感知与识别能力,模拟视觉神经感知的工作机制,并结合Markov随机场模型,提出一种影像分割方法。首先,分析视觉感知系统的工作机制,将其特性归纳为等级层次性、学习能力、特征检测能力和稀疏编码特性,继而利用小波变换、非监督聚类、特征分析和Laplace分布模拟视觉工作机制,然后结合Markov随机场模型实现高分辨率遥感影像的分割。通过不同卫星的真实遥感影像进行了相关试验。试验结果表明本文提出的方法在高分辨率遥感影像分割任务中有非常良好的表现。     

黔北务-正-道铝土矿床矿物学特征研究

黔北务—正—道铝土矿集区为黔中—渝南铝土矿成矿带的重要组成部分,是贵州省主要的铝土矿成矿区带之一。含矿岩系为中二叠统梁山组,矿床成因属古风化壳沉积型。矿石化学成分分析显示,土状、碎屑状铝土矿中Al2O3含量较高,Al2O3/ SiO2值大,质量好,而豆鲕状、致密块状铝土矿中Al2O3含量较低,Al2O3/ SiO2值小,质量较差。显微观察、粉晶衍射和电子探针分析表明,铝土矿石中主要矿物为一水硬铝石、勃姆石和粘土矿物,其中一水硬铝石多为短柱、半自形-自形晶体,呈集合体分布,粘土矿物以高岭石为主,呈孤岛、残留环状产出,其次见伊利石、蒙托石、绿泥石等,副矿物有黄铁矿、磁铁矿、长石、石英、金红石、锆石、锐钛矿、方解石和白云石等。铝土岩中主要矿物为粘土矿物,以高岭石为主,其它矿物和铝土矿相似。铝土矿石的主要元素Al2O3、SiO2、TFe2O3 和TiO2含量之和大于83%,烧失量小于14%,而铝土岩的Al2O3、SiO2、TFe2O3 和TiO2含量之和小于80%,烧失量大于15%。可见铝土矿和铝土岩在主要矿物组成和主要组分总量上具有明显差异。结合以往研究资料,本文解析铝土矿形成过程为韩家店组砂页岩(成矿母岩)在适宜的气候条件下,经风化、淋滤等作用,形成富集Al、Ti等惰性元素的风化残积物和以高岭石为主的粘土矿物,随后被迁移、搬运至河湖盆地环境中,在沉积分过程中粘土矿物不断脱硅、去铁、富铝,形成铝土岩层,经埋深压实、成岩成矿作用后进一步脱硅、去铁、富铝,最终在中二叠世形成以一水硬铝石为主的铝土矿工业矿体。     

CAS FGOALS-g3 Model Datasets for the CMIP6 Scenario Model Intercomparison Project(ScenarioMIP)

This paper describes the datasets from the Scenario Model Intercomparison Project(ScenarioMIP) simulation experiments run with the Chinese Academy of Sciences Flexible Global Ocean–Atmosphere–Land System Model,GridPoint version 3(CAS FGOALS-g3). FGOALS-g3 is driven by eight shared socioeconomic pathways(SSPs) with different sets of future emission, concentration, and land-use scenarios. All Tier 1 and 2 experiments were carried out and were initialized using historical runs. A branch run method was used for the ensemble simulations. Model outputs were three-hourly, six-hourly, daily, and/or monthly mean values for the primary variables of the four component models. An evaluation and analysis of the simulations is also presented. The present results are expected to aid research into future climate change and socio-economic development.     

Fidelity of the APHRODITE Dataset in Representing Extreme Precipitation over Central Asia

Using rain-gauge-observation daily precipitation data from the Global Historical Climatology Network (V3.25) and the Chinese Surface Daily Climate Dataset (V3.0), this study investigates the fidelity of the AHPRODITE dataset in representing extreme precipitation, in terms of the extreme precipitation threshold value, occurrence number, probability of detection, and extremal dependence index during the cool (October to April) and warm (May to September) seasons in Central Asia during 1961–90. The distribution of extreme precipitation is characterized by large extreme precipitation threshold values and high occurrence numbers over the mountainous areas. The APHRODITE dataset is highly correlated with the gauge-observation precipitation data and can reproduce the spatial distributions of the extreme precipitation threshold value and total occurrence number. However, APHRODITE generally underestimates the extreme precipitation threshold values, while it overestimates the total numbers of extreme precipitation events, particularly over the mountainous areas. These biases can be attributed to the overestimation of light rainfall and the underestimation of heavy rainfall induced by the rainfall distribution–based interpolation. Such deficits are more evident for the warm season than the cool season, and thus the biases are more pronounced in the warm season than in the cool season. The probability of detection and extremal dependence index reveal that APHRODITE has a good capability of detecting extreme precipitation, particularly in the cool season.     

随机森林机器算法在江苏省小麦赤霉病病穗率预测中的应用

基于2002—2018年江苏省13个市的小麦赤霉病病穗率资料与生育期观测资料、相应时段内的逐日气象数据,应用随机森林机器学习算法,分生育期、分区域定量评估影响病穗率的主要气象因子特征变量和贡献率,按不同起报时间建立预测模型并进行验证。结果表明,各生育期重要特征变量贡献率的排序为:抽穗扬花期＞拔节期＞越冬期。抽穗扬花期湿度、连续≥3 d的雨日和日照对赤霉病起主导作用,拔节期日照、降雨量、湿度和雨日与越冬期气温和降雪对赤霉病均具有前期影响,甄别出的重要特征变量排序结果符合赤霉病菌发育、释放、侵染和流行规律;基于随机森林算法建立的病穗率预测模型的精度与重要特征变量个数、赤霉病发生区域、M_try参数设定、生育期有关;最早可在3月初进行预测,预测时效近3个月,起报时间越接近乳熟期,输入的重要特征变量越多,则病穗率预测准确率越高,病穗率模拟值与实测值的波动趋势完全一致,对赤霉病“中等”和“偏重”等级模拟效果好,表明随机森林算法在赤霉病预测中有较高的可靠性和业务应用潜力。