破解爱因斯坦的代码

科学家们正在计算机中模拟两个黑洞的碰撞,以便对爱因斯坦的相对论做最后的检验。 模拟两个黑洞的并合绝对是科学上的一次飞跃。一方面,它需要进行只有超级计算机才能胜任的大规模计算;另一方面,它还需要数值求解爱因斯坦广义相对论下用于描述两个黑洞及其运动的复杂方程。     

赣南漂塘钨矿花岗岩成岩年龄与成矿年龄的精确测定

漂塘钨矿是赣南著名的钨锡多金属矿床,由漂塘本区、木梓园和大龙山三个矿段组成。多年以来,有关漂塘花岗岩成岩年龄,大多是利用邻近的西华山花岗岩的数据进行推断,而已有的年龄测试数据精度很难保证。对该矿床的成矿年龄则报道更少。本文利用单颗粒锆石U-Pb法对漂塘本区和木梓园的成矿花岗岩进行定年,获得了两条很好的U-Pb年龄谐和线,漂塘本区和木梓园成矿花岗岩的年龄分别为161.8±1Ma和 153.3±1. 9Ma。利用矿石中的白云母40Ar/39Ar同位素定年获得了漂塘本区成矿年龄为152±1.9Ma,利用矿石中的辉钼矿Re-Os同位素定年获得木梓园成矿年龄为151.1±8.5Ma。 以上年龄数据表明,矿床的成矿作用或与花岗岩侵位基本同时发生,或稍晚于花岗岩。赣南其他矿集区的一些代表性钨矿如淘锡坑、大吉山等的成矿与成岩也有这两种情况,可见这种成矿方式在赣南地区具有代表性。本文的年龄测定和近年来发表的一些年龄数据表明,赣南钨锡矿床属于华南燕山中期第一阶段陆壳重熔型花岗岩类大规模活动及其伴随的钨锡等金属大规模成矿作用的产物。     

GeoCube： 面向大规模分析的多源对地观测时空立方体

随着对地立体观测体系的建立,遥感大数据不断累积。传统基于文件、景/幅式的影像组织方式,时空基准不够统一,集中式存储不利于大规模并行分析。对地观测大数据分析仍缺乏一套统一的数据模型与基础设施理论。近年来,数据立方体的研究为对地观测领域大数据分析基础设施提供了前景。基于统一的分析就绪型多维数据模型和集成对地观测数据分析功能,可构建一个基于数据立方的对地观测大数据分析基础设施。因此,本文提出了一个面向大规模分析的多源对地观测时空立方体,相较于现有的数据立方体方法,强调多源数据的统一组织、基于云计算的立方体处理模式以及基于人工智能优化的立方体计算。研究有助于构建时空大数据分析的新框架,同时建立与商业智能领域的数据立方体关联,为时空大数据建立统一的时空组织模型,支持大范围、长时序的快速大规模对地观测数据分析。本文在性能上与开源数据立方做了对比,结果证明提出的多源对地观测时空立方体在处理性能上具有明显优势。     

联合卷积神经网络与集成学习的遥感影像场景分类

针对人工设计的中、低层特征难以实现复杂场景影像的高精度分类以及卷积神经网络依赖大量训练数据等问题，结合迁移学习与集成学习，提出了一种联合卷积神经网络与集成学习的遥感影像场景分类算法。首先基于迁移学习的思想，利用在自然影像数据集上训练好的多个深层卷积神经网络模型作为特征提取器，提取图像多个高度抽象的语义特征；然后构建由Logistic回归和支持向量机组成的Stacking集成模型，对同一图像的多个特征分别训练Logistic模型，将预测概率结果融合构建概率特征；最后利用支持向量机对概率特征训练和预测，得到场景影像的分类结果。利用UCMerced_LandUse和NWPU-RESISC 45两种不同规模的遥感影像数据集进行试验，即使在只有10%的数据作为训练样本情况下，本文方法能够分别达到90.74%和87.21%的分类精度。     

混合式数字化博物馆设计与研究

数字化博物馆是一种结合前沿技术开发的区别传统实体博物馆的综合服务信息系统。本文对目前采用的基于图形和基于图像的两种数字化博物馆构建方法进行分析比较,提出了一种室外采用三维建模、室内采用360°全景图的混合式构建方法。探讨了混合式数字化博物馆在场景漫游和场景切换方面的关键技术,设计并实现了混合式数字化博物馆的框架结构与部分功能,是数字化博物馆建设的一种新的尝试。     

典型遥感数据分类方法的适用性分析——以遥感图像场景分类为例

目前普遍采用的分类器通常都是针对单一或小量任务而设计的,在小数据量的处理中能取得比较满意的结果。但对于海量遥感数据的处理,其在处理时效和分类精度方面还有待研究。本文以遥感图像场景分类任务为例,着重对遥感数据分类问题中几种典型分类方法的适用性进行比较研究,包括K近邻(KNN)、随机森林(RF),支持向量机(SVM)和稀疏表达分类器(SRC)等。分别从参数敏感性,训练样本数据量,待分类样本数据量和样本特征维数对分类器性能的影响等几个方面进行比较分析。实验结果表明:(1)KNN,RF和L0-SRC方法相比RBF-SVM,Linear-SVM和L1-SRC,受参数影响的程度更弱;(2)待分类样本固定的情况下,随着训练样本数目的增加,SRC类型分类方法的分类性能最佳,SVM类型方法次之,然后是RF和KNN,在总体分类时间上呈现出L0-SRCL1-SRCRFRBF-SVM/Linear-SVMKNN/L0-SRC-Batch的趋势;(3)训练样本固定的情况下,所有分类方法的分类精度几乎都不受待分类样本数目变化的影响,RBF-SVM方法性能最佳,其次是L1-SRC,然后是Linear-SVM,最后是RF和L0-SRC/L0-SRC-Batch,在总体分类时间上,L1-SRC和L0-SRC相比其他分类方法最为耗时;(4)样本特征维数的变化不仅影响分类器的运行效率,同时也影响其分类精度,其中SRC和KNN分类器器无需较高的特征维数即可获得较好的分类结果,SVM对高维特征具有较强的包容性和学习能力,RF分类器对特征维数增加则表现得并不敏感,特征维数的增加并不能对其分类精度的提升带来更多的贡献。总的来说,在大数据量的遥感数据分类任务中,现有分类方法具有良好的适用性,但是对于分类器的选择应当基于各自的特点和优势,结合实际应用的特点进行权衡和选择,选择参数敏感性较小,分类总体时间消耗低但分类精度相对较高的分类方法。     

城市竣工测绘典型要素语义分割PointNet++深度学习模型适用性分析

处理三维激光扫描仪获取的城市竣工测绘点云场景数据的传统方法存在较多局限性,无法适应信息化社会对产品高效处理的需求。基于此,本文分析了城市竣工测绘点云场景分类需求,研究了利用深度学习网络模型对点云场景进行自动化处理的方法。首先,对输入的城市竣工测绘数据进行预处理,以实现点云降采样、去噪、地面点与非地面点分割;然后,人工标注5个区域场景数据毫米级标签,进行数据增强;最后,测试PointNet++网络在城市竣工测绘点云场景下的语义分割性能和效果。测试结果表明,在少量样本下,PointNet++网络可以较好地实现城市竣工测绘点云场景的激光点云语义分割,总体mIoU达73.06%,能够满足城市竣工测绘点云语义自动化分割需求,为城市竣工测绘点云数据处理提供了新思路。     

大国海军的“必备品”

<正>在美国的战略收缩期,维持一支大规模远洋海军也是相当的困难。尽管五角大楼高级官员声称,美国"战略重点"重返亚太地区的新国防战略的驱动因素是不断变化的环境,但事实上却是美国正在酝酿的大规模削减国防预算的需要。当前美海军的症结不是战经策性的,而是结构性问题,是财政经策性的,是财政方面的瓶颈制。《华尔街日报》的国际事务评论家布雷特·史蒂芬指出,"虽然海军不愿宣扬,但它正试图通过仅有的285艘舰艇的舰队履行其传统的全球化角     

“智慧平顶山”项目建设掠影

2019年12月16日,由平顶山市测绘地理信息局和河南省遥感测绘院共同完成的智慧平顶山时空信息云平台建设国家试点项目顺利通过了自然资源部组织的专家组验收。本期《图说测绘》栏目带您回顾“智慧平顶山”项目近三年的攻坚克难建设历程以及应用场景,看一看智慧宜居的“新鹰城”是如何冉冉升起的。     

基于兴趣场模型的符号化三维地图表达方法

针对目前三维地图的重要目标选取与突出表达效果不佳以及若采用符号化实景三维模型表达存在的建模成本高、数据量大等问题,提出符号化三维地图表达的技术方法。该方法利用自发地理信息数据构建空间兴趣场模型,描述用户对地理信息兴趣程度的空间分布,进而对三维地图符号进行分类。以三维地图场景构建为基础,通过视点控制对三维地图进行符号化表达,实现符号化三维地图的细节层次表达。本文结合实例对比分析了符号化三维地图,结果表明该方法提高了三维地理空间模型的认知效果和应用效果。