用极轨气象卫星资料分析飞机增雨云层条件

综合应用NOAA卫星AVHRR／3和FY-1极轨气象卫星高分辨0．58～0．68μm可见光、1．58～1．64μm近红外和10．3～11．3μm红外多通道资料,充分考虑了云的厚度、云中粒子尺度和云顶亮温的信息,给出了适宜飞机增雨作业云层的卫星遥感判据,建立了云层作业条件分析模型。实际应用表明,卫星遥感分析图可以有效地监测、判识和分析云层的增雨作业条件,应用效果好,可作为飞机增雨航线设计、作业决策的重要依据。通过增雨个例的微波图像特征分析,初步分析了AMSU—B微波图像在人工增雨作业中的作用和应用前景。     

一种低表面亮度星系的自动搜索算法newline--YOLOX-CS

低表面亮度星系(Low Surface Brightness Galaxy, LSBG)的特征对于理解星系整体特征非常重要, 通过现代的机器学习特别是深度学习算法来搜寻扩充低表面亮度星系样本具有重要意义. LSBG因特征不明显而难以用传统方法进行自动和准确辨别, 但深度学习确具有自动找出复杂且有效特征的优势, 针对此问题提出了一种可用于在大样本巡天观测项目中搜寻LSBG的算法---YOLOX-CS (You Only Look Once version X-CS). 首先通过实验对比5种经典目标检测算法并选择较优的YOLOX算法作为基础算法, 然后结合不同注意力机制和不同优化器, 构建了YOLOX-CS的框架结构. 数据集使用的是斯隆数字化巡天(Sloan Digital Sky Survey, SDSS)中的图像, 其标签来自于$\alpha.40$-SDSS DR7 (40%中性氢苜蓿巡天与第7次数据发布的斯隆数字化巡天的交叉覆盖天区)巡天项目中的LSBG, 由于该数据集样本较少, 还采用了深度卷积生成对抗网络(Deep Convolutional Generative Adversarial Networks, DCGAN)模型扩充了实验测试数据. 通过与一系列目标检测算法对比后, YOLOX-CS在扩充前后两个数据集中搜索LSBG的召回率和AP (Average Precision)值都有较好的测试结果, 其在未扩充数据集的测试集中的召回率达到97.75%, AP值达到97.83%, 在DCGAN模型扩充的数据集中, 同样测试集下进行实验的召回率达到99.10%, AP值达到98.94%, 验证了该算法在LSBG搜索中具有优秀的性能. 最后, 将该算法应用到SDSS部分测光数据上, 搜寻得到了765个LSBG候选体.     

基于GF—6卫星的棉花种植面积提取研究——以山东省夏津县为例

国产高分卫星6号（简称GF6）具有高分辨率、宽覆盖、高质量和高效成像等特点,可为农业资源遥感监测提供可靠的数据支撑。本研究以GF6卫星影像为主要数据源,综合利用遥感技术理论和方法开展对夏津县棉花种植面积的提取研究,利用同时相的哨兵2号（简称Sentinel2）影像解译结果进行对比分析。研究结果表明：基于GF6卫星的夏津县棉花种植面积提取方案高效、准确,提取精度明显优于Sentinel2卫星,进一步证明了新增了红边波段的GF6卫星能够显著增强作物的识别能力,其在大规模作物种植信息提取方面具有广阔的应用潜力。     

基于ETM+的表观荔枝波谱反射率反演研究

试从现有的大量遥感影像中提取不同环境下地物的反射率,以目前常用的ETM＋影像数据和荔枝波谱数据提取为例,先对影像进行系统校正得到星上反射率,然后采用6S大气校正模型对图像进行订正,反演地物的真实反射率,并采用与野外实测相结合的方法,分析了星上反射率、6S反演的反射率与实测值之间的误差,结果证明6S校正法是一种较高精度的地物波谱反演方法,可以方便、快捷、准确地从现有的大量遥感影像上直接获取荔枝的反射率.为下一步的自动高效从影像反演地物反射率的研究奠定了基础.     

生成式对抗网络的高光谱遥感图像分类方法研究

针对基于深度学习的分类模型在训练样本较少时所遭受的潜在过拟合问题,提出一种具备过拟合抑制的生成式对抗网络分类算法,并应用于高光谱图像分类.该算法在每次迭代时,首先,依据训练样本的标签信息使判别器网络拟合训练样本的数据分布;然后对训练样本的高维特征进行均值最小化,该过程会重新更新判别器网络参数,减小参数的值和方差,以抑制...     

结合SOM神经网络和混合像元分解的高光谱影像分类方法研究

本文对SOM神经网络算法进行改进,在标类的过程中采用3个策略加以控制,对初始产生的自组织映射图进行调整。通过改进,那些映射到可靠神经元的像素得到了很好的分类,而那些映射到不可靠神经元的像素都被作为不可分像元而提取出来。继而,从混合像元分解的角度来对这些不可分像元进行处理,按类型分解的思想确定混合像元的类别,实现对不可分像元的分类。将SOM神经网络和混合像元分解相结合的分类方法应用于高光谱图像的分类中,通过实验表明了该方法能较好地改善分类效果,提高分类精度。     

软土地层浅埋圆形隧道非达西渗流场解析研究

软土在低水力坡降下的渗流会偏离达西定律,即为非达西渗流模式。假设孔隙水渗透服从指数渗流模式,采用镜像法原理推导了浅埋单孔和双孔圆形隧道非达西渗流场的解析解。结合算例,对浅埋圆形隧道非达西渗流解析解与达西渗流解析解进行了对比分析与验证,并对非达西渗流指数、隧道周围土体与衬砌渗流系数比值对隧道渗流场的影响进行了讨论。结果表明：非达西渗流指数、渗流系数比值对隧道渗流量和周围土体孔压均有较大的影响;随着渗流指数逐渐增大,土体内水头损失加快,隧道周围土体孔压及渗流量逐渐减小;随着土体与衬砌渗流系数比值逐渐增大,衬砌排水能力增强,隧道渗流量逐渐增大,隧道周围土体孔压减小更大。     

砂土颗粒三维形态的定量表征方法

颗粒形态是影响砂土力学特性的重要因素,特别是影响砂土在低应力状态下的抗剪强度、剪胀效应和临界状态行为,以及高应力状态下的颗粒破碎行为。因此,准确地重构砂粒的三维形态,并量化计算其形态表征参数是研究砂粒形态效应的前提工作。借助于高精度的CT扫描技术和图像处理技术,获得近海石英砂和风化花岗岩残积砂这两类砂土颗粒的三维形态信息。采用球谐函数序列实现两种砂颗粒三维形态的准确重构,并通过球谐函数分析计算砂土颗粒的体积来验证该方法的有效性。基于球谐重构的三维砂粒表面,提出了实用性的方法来计算砂粒的表面积、表面曲率和三维尺寸等,进而计算砂粒的三维球度、圆度和伸长率等形态表征参数。结果表明,当球谐函数阶达到15时,其重构的砂粒基本形状和表面纹理均与真实砂粒非常接近;近海石英砂在水流搬运和磨蚀的作用下颗粒形态较为规则和圆滑,球度和圆度较大,而风化花岗岩残积砂则在物理风化和剥蚀作用下颗粒形态较为复杂和粗糙,球度和圆度较小;而这两种地质作用对砂土颗粒的伸长率则没有明显的影响。     

有色示踪剂模拟槽实验图像分析法

图像分析法是处理有色示踪剂模拟槽实验结果的常用方法之一。本文以食用亮蓝为示踪剂,从污染物的检测精度和污染羽描绘的准确度两个方面将图像分析法与传统取样法进行对比,并利用Matlab编程对模拟槽内的污染物贮存质量进行定量计算。结果表明,与传统取样法结果相比：图像分析法的检测精度可提高1个数量级;污染羽的描绘准确度至少可提高3%左右,在实验所设置的非均质条件下可提高17%左右。利用自行编制的Matlab程序对本实验模拟槽内贮存亮蓝质量进行计算可得,当剖分格数为3 700²（1 369万）时,亮蓝贮存质量的计算值最接近实测值,最小误差仅为0.5%。综合来讲,图像分析法是一种准确度高、空间分辨率高的信息采集和处理手段,可实现对非均质地层中有色示踪剂运移过程更为精细的描述。     

Effect of image segmentation & voxel size on micro-CT computed effective transport & elastic properties

Digital rock technology is rapidly evolving interdisciplinary field with many promises, including fast turnaround times for core analysis, repeatable analysis, and multiphysics simulation. We study the impact of the image segmentation threshold and image voxel size on image-computed permeability, elastic moduli, and electrical conductivity. Improved quantitative understanding of such effects is critically important when comparing laboratory-measured rock properties with those computed on digital images of rocks. We analyze properties of over 500 binary microstructures (each of size 1024³ voxels) segmented using different segmentation algorithms. We find that uncertainty in computed rock properties, induced due to the choice of segmentation threshold, increases with coarsening of image voxels. Segmentation of the same rock, acquired with different voxels sizes, lead to small variations in porosity but induces relatively large variation in flow and electrical rock properties. This uncertainty is larger for rocks of lower porosity. We find that coarsening of image voxels also leads to rounding and smoothing of pore throats and a sharp decline in specific surface area which results in an increase in computed permeability. We propose simple models to remove the bias in rock properties when image-derived porosity is either overestimated or underestimated due to the choice of the segmentation threshold. This approach is particularly useful when comparing laboratory-measured rock properties to those derived from digital rocks since often the image calculated porosity and the laboratory-measured porosity are not the same. Even after such corrections, the impact of finite image voxel size would still need to be compensated.