高频地波雷达海杂波背景下的船只目标检测研究进展

针对海杂波对高频地波雷达目标检测的干扰问题,分目标处于海杂波谱区之内和之外两种情况综述了海杂波背景下的目标检测方法。对于海杂波内目标检测的难题,介绍了一种基于现场海态同步观测信息的检测新思路以及初步验证结果。对国内外相关研究进展的归纳总结和新思路的提出,为提出更加有效的海杂波干扰下的目标检测方法提供了重要的参考。     

地质雷达电磁干扰分析及在隧洞岩溶探测中的应用

将地质雷达用于千岛湖配水工程某隧洞岩溶探测,分析了倾斜状电磁干扰异常与溶洞雷达异常差异,通过雷达剖面及疑似异常区单道时间-频率谱的分析,推断了隧底岩溶的性质及空间分布特征,含水溶洞在雷达剖面反映为同相轴错断,强振幅及能量高衰减的特性,高频干扰波振幅幅值较异常区小且能量不满足随时间推移逐渐衰减的规律,雷达成果为隧洞安全施工提供了准确的参考。      

Soil salinity and vegetation cover change detection from multi-temporal remotely sensed imagery in Al Hassa Oasis in Saudi Arabia

Detecting soil salinity changes and its impact on vegetation cover are necessary to understand the relationships between these changes in vegetation cover. This study aims to determine the changes in soil salinity and vegetation cover in Al Hassa Oasis over the past 28 years and investigates whether the salinity change causing the change in vegetation cover. Landsat time series data of years 1985, 2000 and 2013 were used to generate Normalized Difference Vegetation Index (NDVI) and Soil Salinity Index (SI) images, which were then used in image differencing to identify vegetation and salinity change/no-change for two periods. Soil salinity during 2000–2013 exhibits much higher increase compared to 1985–2000, while the vegetation cover declined to 6.31% for the same period. Additionally, highly significant (p < 0.0001) negative relationships found between the NDVI and SI differencing images, confirmed the potential long-term linkage between the changes in soil salinity and vegetation cover.     

人工智能在冰雹识别及临近预报中的初步应用

基于广东10部S波段多普勒天气雷达的三维拼图资料,利用机器学习技术开发了一种冰雹识别和临近预报的人工智能算法。算法设计时以雷达回波反射率的垂直和水平扫描数据为基础训练集,将冰雹云的雷达反射率扫描数据作为正样本,将其他雷达反射率扫描数据作为负样本,通过贝叶斯分类法对正、负样本数据集进行机器学习,训练人工智能识别冰雹云内在规律的能力。训练时以广东省2008-2013和2015-2016年的数据作为训练集,使用了2014年广东省12次冰雹过程的数据做检验。对比检验的结果表明,人工智能法比传统的概念模型法击中率高9个百分点。研究结果表明了人工智能对冰雹这类非线性强天气过程具有较强的识别能力。      

特深地下管线的电磁场特征分析及探测研究

研究了管线的一系列电磁场特征,介绍了特深管线探测应用状况,通过实例分析了从1 m到21 m了不同埋深直线电流及强电流3~21 m情况下的电磁场Hx、Hz、ΔHx 〖WTBZ〗的归一化异常的分布特征 , 提出了对特深管线探测的对策,即频率、电流、远端接地等提高信噪比的技术对策,提出了确定地下金属管线平面位置、埋深的方法,利用水平磁场分量70%法确定管线深度的适用条件,分析了特深管线探测的干扰因素,广州市3个特深管线的探测成功实例,说明了方法的良好效果.     

探测未爆炸弹的地球物理技术综述

采用综合地球物理勘查技术探测未爆炸弹(UXO)具有快速、定位准确和成本低廉的优势.综述了国内外广泛应用的地面高精度磁测法、电磁法以及地质雷达和微重力法在探测UXO中的特点和效果,介绍了国外航空磁测法及航空电磁法探测UXO的进展,并根据某些探测实例阐述了在具体实施过程中应注意的技术问题;提出了适合中国UXO探测的一些措施和建议.     

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。     

Estimating the starting time and identifying the type of urbanization based on dense time series of landsat-derived Vegetation-Impervious-Soil (V-I-S) maps – A case study of North Taiwan from 1990 to 2015

Land cover and land use change (LCLUC) is a global phenomenon, and LCLUC in urbanizing regions has substantial impacts on humans and their environments. In this paper, a semi-automatic approach to identifying the type and starting time of urbanization was developed and tested based on dense time series of Vegetation-Impervious-Soil (V-I-S) maps derived from Landsat surface reflectance imagery. The accuracy of modeled V-I-S fractions and the estimated time of initial change in impervious cover were assessed. North Taiwan, one of the regions of the island of Taiwan that experienced the greatest urban LCLUC, was chosen as a test area, and the study period is 1990 to 2015, a period of substantial urbanization. In total, 295 dates of Landsat imagery were used to create 295 V-I-S fraction maps that were used to construct fractional cover time series for each pixel. Root Mean Square Error (RMSE)s for the modeled Vegetation, Impervious, and Soil were 25 %, 22 %, 24 % respectively. The time of Urban Expansion is estimated by logistic regression applied to Impervious cover time series, while the time of change for Urban Renewal is determined by the period of brief Soil exposure. The identified location and estimated time for newly urbanized lands were generally accurate, with 80% of Urban Expansion estimated within ±2.4 years. However, the accuracy of identified Urban Renewal was relatively low. Our approach to identifying Urban Expansion with dense time series of Landsat imagery is shown to be reliable, while Urban Renewal identification is not.     

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。     

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。