Semantic segmentation of high spatial resolution images with deep neural networks

Availability of reliable delineation of urban lands is fundamental to applications such as infrastructure management and urban planning. An accurate semantic segmentation approach can assign each pixel of remotely sensed imagery a reliable ground object class. In this paper, we propose an end-to-end deep learning architecture to perform the pixel-level understanding of high spatial resolution remote sensing images. Both local and global contextual information are considered. The local contexts are learned by the deep residual net, and the multi-scale global contexts are extracted by a pyramid pooling module. These contextual features are concatenated to predict labels for each pixel. In addition, multiple additional losses are proposed to enhance our deep learning network to optimize multi-level features from different resolution images simultaneously. Two public datasets, including Vaihingen and Potsdam datasets, are used to assess the performance of the proposed deep neural network. Comparison with the results from the published state-of-the-art algorithms demonstrates the effectiveness of our approach.     

基于AHP-PSR模型的西南丘陵地区农用地集约利用动态评价

针对西南丘陵地区农用地利用效率低、耕地质量锐减、人地关系逐步恶化等问题构建了基于AHP-PSR模型的西南丘陵地区农用地集约利用评价系统。采用专家打分法进行指标筛选后,基于AHP-PSR模型进行农用地集约利用动态评价,对系统内部协调及稳定性进行分析、评估,较深入地研究农用地集约利用驱动因子,并采用最优子集选取策略分析集约利用驱动力,以避免仅以简单相关性就加入或剔除驱动力因素导致回归系数不符合实际内涵的现象。实验表明:可利用系统调整指标间权重,动态展示人地关系协调可持续发展关系,其分析结果可供有关部门决策参考。     

运用人工鱼群算法的3D扫描碎片重建探究

针对传统三维碎片拼接匹配过程中依赖单一特征及存在误差累积的问题,提出了一种运用鱼群算法的全局最优匹配方法。该方法先对碎片点云数据进行多特征提取,结合纹理、专家经验信息对混合在一起的多种类型碎片进行粗糙集分类,之后采用鱼群算法的最优解求得最佳匹配方案。实例验证所提全局匹配方法具有能力强、与初始位置无关及较强的稳健性等特点,为三维碎片的全局匹配提供了一种有效的解决方案。     

利用多频多系统GNSS OEM板卡实现高精度变形监测

针对近年来被广泛应用的多频多系统GNSS OEM板卡,设计并实现了一套基于多频多系统OEM板卡的低成本变形监测系统,包括数据解码、基线处理、网平差和坐标转换等,能够实时获取测站点高精度空间坐标。以某高层建筑形变监测为例,通过串口通信获取板卡多频多系统观测信息,并经过该系统解算,实现了监测点实时定位,且系统成本相比市场上测量型GNSS接收机系统下降了约40%。实验结果表明,该系统解码精度可达0.2 mm,静态模式定位精度可达到平面2 mm以内,高程5 mm以内,动态模式定位精度可达到平面5 mm以内,高程10 mm以内,验证了该系统的可靠性和适用性。     

气候系统预测:基础创新和集成应用

随着全球变暖,极端天气气候事件增强,天气气候灾害造成的损失也愈发严重。当前气候预测的准确性远远不能满足社会需要,气候系统预测理论和方法面临着众多挑战性问题。为提档气候预测科学水平和准确率,由南京信息工程大学和中山大学承担的“气候系统预测研究中心”获得国家自然科学基金基础科学中心项目支持(2021年1月—2025年12月)。在该项目执行的前三年,项目团队开展了大量深入系统的研究,并取得了若干重要进展:1)揭示了气候系统的若干关键变化、驱动力和机制;2)剖析了海-陆-冰-气相互作用对我国重大极端气候事件的影响;3)在气候系统数值模式研发和预测系统集成方面取得重要进展;4)发展了延伸期-S2S-年代际的气候系统预测理论和方法。本文对这些进展作了扼要介绍,并针对气候与环境变化归因、古今气候环境研究融合、跨时空气候系统变异和极端气候、人工智能与气候科学、年代际预测和风险应对体系等关键科学问题做了展望。     

航空重力弱信号提取的卡尔曼滤波方法研究

航空重力测量以飞机为载体对重力场数据进行采集.由于气流、飞行状态及机体自身振动等因素的影响,航空重力测量原始数据含有大量的噪声,信噪比高达上万级分之一,因此从原始测量数据中获取弱小重力信号成为航空重力测量系统发展的一个技术难题.本文针对航空重力测量系统将通用卡尔曼滤波公式进行了适应性调整,建立了航空重力异常的数学模型,...     

2022年夏季中国高温干旱气候特征及成因探讨

2022年夏季,中国中东部发生了极端高温干旱气候异常,给经济、农业、人民生活造成了严重影响。本文回顾了此次高温干旱气候异常的时空特征,分析了其主要成因。2022年夏季,中国中东部区域平均的极端高温频次、日最高温度平均值、高温日数等指标均达到了1979年以来的最大值,区域平均降水则达到了1979年以来的最低值。此次气候异常主要是由于夏季中国中东部受强大的高压系统控制,与偏强的西太副高、中纬度的西风带扰动以及热带海温的影响有关。此外,本文探讨了全球增暖趋势对极端高温事件增多的影响,以及未来中国地区高温和干旱事件的可能变化。     

GPS变形监测动态数据处理中卡尔曼滤波的应用

介绍了卡尔曼滤波的基本原理,针对常规GPS变形监测数据处理中存在着不连续、非实时的缺点,结合卡尔曼滤波的特点,运用三峡实测数据对GPS变形监测动态数据处理中卡尔曼滤波的应用进行研究。并采用各点点位位移速度图对所建立的函数模型进行验证,同时对状态方程的建立及初始值的选取进行分析总结。     

Adjustment time of the first baroclinic Rossby wave in the global oceans

1Introduction Planetary waves involve the main processes bywhich perturbation signal in one part of the ocean istransferred to another part.In the1970s,mostof theprevious theoretical studies focus on the local Ekmanpumping and the nondispersive long baroc…     

全球寒武系四统划分框架正式确立

国际地层委员会最近陆续发布了2005和2006年版《国际地层表》(http://www.stratigraphy.org/cheu.pdf),这两张新表较以往各版最为突出的变动是将寒武系分为四个统和十个阶,不再采用国际地学界沿用了近一百七十年的上、中、下3统的传统划分方法。这一改写是全球地层学的重大事件