基于错误式学习的低空影像人行横道多角度自动识别

提出了一种基于特征的错误式学习分类器半自动迭代训练方法,该分类器能够自动识别多角度低空影像上的人行横道线,在人行横道线管控与数据库建立、道路网提取上有较好的应用。介绍了基于错误式学习的分类器训练思路与方法,并提出了将同一地区不同角度低空影像的识别结果进行合并,从而尽可能全面的检测出被城区高楼以及车辆遮挡的人行横道线的思路。通过对比实验该方法的鲁棒性,并在其基础上随机选取多组数据进行系列实验,证实了基于错误式学习的分类器比传统方式训练的分类器有更好的综合性能,能够在不降低识别耗时的前提下产生高准确率、低漏检率和低误识别率的识别结果。     

多尺度空间分析技术遥感影像去雾方法

基于多尺度空间分析技术构建了两种影像去雾方法。多时相参考影像去雾方法利用同一地区没有雾的影像作为参考,运用多尺度空间分析技术获取地面低频信息将雾去除。自动影像去雾方法是基于拓扑分析的多尺度空间分析技术,分析影像的纹理和特征信息,将同一场景中的雾和地面信息分离,从而获得去雾后影像。通过青岛地区大量遥感影像数据测试,证明该方法是非常有效的。     

基于双波段图像的玉米长势自动观测技术研究

基于双波段图像的玉米长势自动观测方法研究     

生物技术推进蓝色经济——NOAA组学战略介绍

NOAA希望通过基因组学、蛋白组学、代谢组学等各种生物组学(‘Omics)工具加强对海洋和五大湖地区生物群落的长期监测和了解,以有利于渔业管理、水产养殖业发展、食品和水安全、物种和栖息地保护、海鲜消费者保护以及天然产物发现等,实现生态系统资源的可持续管理。相比传统人工采样,组学与自动采样结合可以更高效地指示生态状况,也提供更详细的生物信息。但更多的信息也对机构计算能力和人员能力提出了新挑战。     

2008—2017年鄂西南区域极端降水特征及成因

利用地面区域自动站逐时降水观测资料,采用百分位方法,对2008—2017年5—9月鄂西南极端降水特征进行分析,利用卫星云图TBB和NCEP 0.5°×0.5°再分析场资料,对典型个例进行成因分析。结果表明:(1)鄂西南小时强降水和日降水量极端阈值范围差别较大,各站降水极端性程度没有可比性。小时强降水和大暴雨出现频率高的站点主要分布于有地形辐合和地形抬升的山脉四周,小时强降水多发生在00:00—03:00和16:00—19:00时段;(2)鄂西南极端降水发生最多的是东南部海拔高度相差大的鹤峰附近,低空急流和地形作用,使中尺度对流系统在东移过程中存在后向传播,导致降水持续时间长,累计雨量大;(3)对于不同时期的极端降水过程,其形成的热力、动力作用和垂直结构均不相同,6月的暖区极端降水,热力作用占主导,高层系统先于低层发展,而9月极端降水锋区明显,以动力作用为主,系统整层发展加强。     

2016—2017年贵州大雾时空分布及气象要素演变分析

利用2016—2017年自动站逐小时观测资料,统计分析了贵州大雾天气的时空分布特征;同时,结合天气图资料分析筛选了锋面大雾个例31 d和辐射大雾个例17 d,对比分析大雾生消过程中风、温、湿等气象要素演变特点。结果表明：(1)贵州大雾在秋末到初春较为频发;一天中夜间02—09时是大雾频发时段,07时达到峰值。(2)贵州自西向东有4个多雾区,分别为西南部区域、中部区域、东部边缘区域和北部局部区域。(3)锋面大雾主要出现在贵州中西部,范围最广时可达20个县站左右,持续时长可达10~13 h,单站可持续60 h以上。辐射大雾以贵州中东部地区出现较多,范围最广时可接近40个县站,远比锋面大雾范围广,持续时间相对较短。(4)大雾期间,10 min平均风速为0~3 m?s-1,相对湿度为97%~100%,温度露点差为0~0.5℃;辐射大雾初期或形成前气温呈下降状态,消散期升温较明显,地气温差呈现由负到正或由低到高的变化趋势,反映出近地层大气由较为稳定的逆温环境向不稳定环境变化的过程;锋面大雾初期的降温和后期的升温现象并不突出,地气温差也没有特定的变化规律,仅有部分个例与锋面大雾情况一致。     

21世纪中国主要粮食产区的空间格局特征

Grain production is an important issue for the national economy and the livelihood of the Chinese people. It serves as the foundation of national development and social stability. China is a major grain producer as well as a major grain consumer. The grai…     

网络环境下的前兆数据自动编排管理系统

通过在Intemet和局域网下开发的程序,实现了安徽省地震前兆数据自动编排管理。该网络程序可以自动检索和收集各地方台站上报的数据,然后将其按照规定的格式编排,通过纠错子系统检查无误后传至中国地震局数据中心。本系统可以将数据自动分类管理并做好备份,最大的优点是速度快、准确性高、操作方便。     

自动站与人工观测降水量差异原因分析

分析引起自动站与人工观测降水量差异的原因,并提出解决问题的着眼点。