北海狮水下声信号类型分析

以水族馆内圈养的北海狮为研究对象,利用长达29 h的连续被动声学观测数据,对北海狮水下声信号类型进行了研究。共检测出22 689个水下声信号,对时长、最小频率、最大频率和峰值频率这4个声学参数采用聚类分析方法将信号分为10种类型:单脉冲(SP)、哨声(WS)、咕咕声(GG)、咚咚声(DS)、狗吠声(BK)、吼叫声(WY)、嗡嗡声(BZ)、撞击声(BG)、单频声(SF)以及咩咩声(BT)。该分类方式涵盖了北海狮92.6%的水下发声。北海狮水下声信号时长的均值为5~1 244 ms,峰值频率一般小于10 kHz。10种类型信号的占比各有不同,BK,BT和BG信号的比例较高;SP,WS和BZ信号的比例次之;DS,WY,SF和GG信号的比例较低。对北海狮水下声信号类型的分析能帮助了解北海狮的声行为特征,对野外北海狮的声学观测具有重要的指导价值。     

非平稳标准化降水蒸散指数构建及中国未来干旱时空格局

旱灾是一种致灾因子与成害机理均非常复杂的自然灾害,也是目前对其检测与风险防御最为困难的自然灾害种类之一。随着全球气候变化,干旱的变化逐渐趋于非平稳化,水文气象序列的非平稳性已有广泛研究,但在干旱检测指标中却鲜有考虑。基于标准化降水蒸散指数（SPEI）和非平稳性理论,构建非平稳性标准化降水蒸散指数（NSPEI）并进行适用性评价,利用NSPEI评估未来不同排放情景下中国气象干旱时空格局演变规律。结果表明：① 非平稳性站点集中在东北平原、黄淮海平原、长三角地区、青藏高原及周边区域,NSPEI拟合最优的站点占中国气象站点的88%（2177个站点）。② SPEI对温度较为敏感,在评估未来干旱变化时会高估干旱强度和持续时间性,而NSPEI能够克服这一弱点,较SPEI可更好的检测中国气象干旱,且能很好的刻画中国未来干旱变化。③ 低、高排放情景下中国北方干旱加剧,南方呈湿润化趋势;中排放情景下中国北方湿润化趋势明显,而中国南方则呈干旱化。基于NSPEI干旱检测结果,中高排放情景下中国未来极端干湿历时与发生频率均呈增加趋势。     

基于大数据的极端暴雨事件下城市道路交通及人群活动时空响应

随着全球气候变化加剧,极端降雨增多,暴雨内涝灾害频发,严重威胁城市的可持续发展。快速掌握暴雨给城市交通及人群的影响,有助于提高灾害应急管理水平和事件响应能力。利用实时动态的交通路况信息和手机定位请求数据,通过一种融合STL时序分解技术与极端学生化偏差统计检验的时间序列异常探测方法,监测和分析暴雨内涝灾害事件中,城市道路交通和人群活动的时空响应特征,并以2018年7月16日发生在北京的极端暴雨事件为例开展实证研究。研究结果显示,在降雨集中的早、晚高峰两个时段（8—9时、18—19时）,市区的拥堵道路数量超出往常水平最高可达150%,异常检测分析显示拥堵道路数量和交通拥堵指数均达到异常甚至极端水平。人群活动的异常响应分析结果显示,暴雨事件引起定位请求量异常升高、异常点增多,且异常点的空间分布与1 h前的降雨量分布存在较高相关性。以上结果不仅证明了大数据及异常检测方法对于快速洞察暴雨事件对城市交通及人群影响的有效性,也为城市暴雨内涝灾害的应急响应与管理提供了新的技术手段。     

结合图像增强和恢复的增强现实跟踪注册

增强现实中的跟踪注册技术一直是研究的重点和难点,而地下矿道和巷道内亮度低,产生的图像较昏暗,车载相机快速运动和抖动,对传统的基于特征匹配的跟踪注册提出了挑战。本文从提高增强现实中跟踪注册稳健性和精度出发,采用基于Retinex改进的方法增强昏暗图像的亮度,同时利用基于对抗神经网络的方法恢复运动模糊图像。首先提取图像ORB特征,实现初始化;然后根据跟踪特征点的数量,开启图像增强和图像恢复线程,提高特征点提取质量和数量。在数据集和真实模拟场景下的试验结果显示,跟踪精度提高了12%左右,在低亮度和含有轻微模糊的情况下,跟踪注册稳健性也有显著提高。     

GNSS多频融合精密单点定位频率间卫星钟偏差研究

全球导航卫星系统(GNSS)提供多频信号,多频融合已经成为一种趋势。在精密钟差估计(PCE)的过程中,卫星钟差参数会吸收卫星端稳定的伪距偏差和时变的相位偏差,这些偏差均与频率相关。因而使用不同的观测值进行PCE时,得到的卫星钟差估值是不同的,它们之间的差值被定义为频率间卫星钟偏差(IFCB)。按组成成分,IFCB可以分成伪距相关的IFCB(CIFCB)和相位相关的IFCB(PIFCB)两部分。国际GNSS服务(IGS)提供的精密卫星钟差产品是基于双频消电离层(IF)组合观测值生成的。由于IFCB的存在,导致IGS卫星钟差产品不能直接应用于多频精密单点定位(PPP)。IFCB的精确考虑已经成为多频PPP的一个关键问题。本研究旨在对IFCB特性和估计方法开展系统深入的研究,并评估其对多频PPP解的影响。     

城市场景结构感知的网格模型简化算法

针对二次误差测度(QEM)网格简化算法全局几何特征信息损失严重的缺点,提出一种具有结构感知功能面向城市三维模型重建的网格简化算法。该算法顾及城市影像中平面结构特征,以代理平面为全局特征约束条件,使模型在简化过程中全局结构特征更多地被保持,以利于多层次细节模型(LOD技术)、网格优化提速等模型后续操作。以倾斜摄影获取影像生成的初始三角网格模型为试验数据,采用所给算法对其进行网格简化并与QEM算法进行对比。结果表明:所给算法简化精度及简化效率均优于QEM算法。     

基于EKF的北斗B1C信号数据/导频联合跟踪方法

针对北斗B1C信号在低载噪比情况下跟踪精度低的问题,提出一种基于扩展卡尔曼滤波（EKF）的北斗B1C信号数据/导频联合跟踪方法.通过构建数据/导频双通道联合跟踪模型,增加对B1C信号利用率,并在联合跟踪模型的基础上引入扩展卡尔曼滤波器,削弱传统跟踪环路中鉴别器和环路滤波器带来的跟踪误差,进一步提高跟踪环路对低载噪比信号的跟踪性能.仿真结果验证:在低载噪比情况下,相比于传统单导频通道跟踪、单导频扩展卡尔曼跟踪和联合跟踪,该方法可以有效提高跟踪精度.      

基于D-InSAR技术的金沙江地区滑坡形变监测与分析

滑坡是发生在我国山区的主要地质灾害类型,金沙江地区由于地势较高、地形复杂、多云多雨的特点,给传统的滑坡监测增加了难度。合成孔径雷达差分干涉测量技术(Differential interferometry synthetic aperture radar,D-InSAR)已在滑坡地面沉降监测中得到了广泛应用。本文选取金沙江上游沿岸作为研究区域,基于2018年8月11日与9月28日的Sentinel-1A影像及SRTM1数据,利用GAMMA软件及D-InSAR技术监测到金沙江地区的地表形变,成功识别出金沙江右岸的一处滑坡灾害。研究结果显示,在此滑坡的坡顶部分出现了约2.5 cm的沉降,而在坡底部分由于崩塌物的累积,地面出现了约3 cm的抬升。从实验结果可以得出,InSAR技术是一种有效的滑坡变形监测手段,利用Sentinel-1A卫星的SAR数据对滑坡区域进行形变监测,可以得到较好的干涉结果。     

A-FPN算法及其在遥感图像船舶检测中的应用

光学遥感图像船舶检测主要面临两个挑战:光学遥感图像背景复杂,船舶检测易受海浪、云雾及陆地建筑等多方面干扰;遥感图像分辨率低,船舶目标小,对于其分类与定位带来很大困难;针对上述问题,在FPN的基础上,提出一种融入显著性特征的卷积神经网络模型A-FPN (Attention-Based Feature Pyramid Networks)。首先,利用卷积提取图像特征金字塔;然后,利用顶层金字塔逐级构建显著特征层,抑制背景信息,通过金字塔顶层的细粒度特征提高浅层特征的表达能力,构建自上而下的多级显著特征映射结构;最后利用Softmax分类器进行多层级船舶检测。A-FPN模型利用显著性机制引导不同感受下的特征进行融合,提高了模型的分辨能力,对遥感图像处理领域具有重要应用价值。实验阶段,利用公开的遥感目标检测数据集NWPU VHR-10中的船舶样本进行测试,准确率为92.8%,表明A-FPN模型适用于遥感图像船舶检测。     

基于深度学习的目标检测定位系统设计与实现

针对传统遥感影像目标检测方法效率不高,并且无有效手段对检测信息进行管理利用的问题,提出了在B/S构架下基于深度学习的目标检测及定位方法。通过集成深度学习框架、WebGIS以及数据库,实现了集遥感影像目标检测、展示及管理于一体的目标检测定位系统,满足多用户基于前端浏览器的并发目标检测需求。利用网格划分策略,实现了基于前端的大区域范围的目标快速检测。基于某机场飞机目标及某城市区域运动场目标检测结果表明:本文设计的目标检测定位系统能够在前端实现目标快速检测定位,具有较高检测精度,并可有效管理检测信息,为深度学习循环再利用提供数据支撑。