甘肃省舟曲特大泥石流的遥感影像特征及古泥石流遥感识别的地质意义

2010年舟曲特大泥石流是舟曲地区第四纪以来泥石流最新暴发期内强烈活动的体现,所造成的人员伤亡及财产损失堪称世界泥石流灾害史之最。准确分析该地区泥石流的空间分布规律及预测未来泥石流暴发时间可为泥石流的防灾救灾提供科学的依据,其首要任务就是利用一种先进技术对不同时期的泥石流堆积物的空间分布进行快速、准确的识别。遥感技术具有数据获取量大、空间分辨率高及快速等方面的独特优势,可在舟曲特大泥石流及不同时期古泥石流堆积物识别中发挥重要作用。在高分辨率的航空遥感影像上,舟曲特大泥石流具有明显的光谱特征,可用于准确圈定泥石流灾害的范围; 泥石流堆积物在沟谷两侧形成的侧碛堤及在堆积区末端形成的扇形地等形态特征也是识别泥石流的另一个重要标志。舟曲县城东南瓦厂村南及马莲坪村西南白龙江支流沟中的垄岗状堆积物和沟口处的扇形地堆积体在光学遥感影像上具有典型的古泥石流堆积的形态特征,雷达遥感的后向散射系数对比分析和对堆积物剖面的沉积特征分析也证明古泥石流的存在。研究结果表明,通过多期次、多空间分布的现代和古泥石流的对比,不仅可以揭示舟曲地区第四纪以来泥石流发育历史并间接反映地质尺度上气候变化特点,还可为未来泥石流的易发性分析提供数据支撑,因此泥石流堆积物的遥感直接识别具有重要的地质意义。     

高频GNSS形变波的震相识别：模拟实验与实例分析

高频GNSS震时形变波震相及识别是GNSS地震学的重要内容.在实时数据处理基础上,本文利用振动台的高频GNSS观测实验,并结合近期部分大震的高频GNSS形变波震相特征进行研究.数据处理结果表明,实时处理与事后处理的精度在同一量级,且与采样率无关.通过与同址观测强震仪和地震计记录的对比及特定震相的频谱分析,发现高频GNSS可完整记录P波、S波、Love波及Rayleigh波震相,影响震相记录的主要因素是GNSS定位精度与震级,而仅当震中距很小时,采样率将产生一定影响.研究结果得出：基于地震波传播规律,利用高频GNSS台阵记录的形变波空间分段特征,结合震相运动轨迹及其他地震波记录,可实现实时高频GNSS形变波的震相识别.     

基于模糊集分析的土壤质量指标高光谱反演

通过对横山县84个土样350~2 500 nm波段的光谱曲线分析,进行土壤质量12项指标的光谱反演。为获得有效光谱反演指标,利用单相关分析方法计算土壤质量指标与光谱反射率的相关系数并绘制相关系数曲线,根据极大相关性选择最佳波段作为光谱反演指标;剔除异常样本后,利用模糊识别理论建立土壤质量指标反演模型,通过优化得到模型的最佳参数。土壤质量12项指标光谱反演模型的平均检验误差均小于15%,说明模型的精度较高。     

基于谱间特征与比值型指数的水体影像识别分析

根据杨存建等人发现LandsatTM影像水体具有TM₂+TM₃>TM₄+TM₅的特征,本文以2000年福州市Landsat-TM为例,分析了水体及其他几类主要地物的光谱特性在影像中的表现特征,发现除水体外,居民地的影像以及山体影像也都具有TM₂+TM₃>TM₄+TM₅(即(TM₂+TM₃)/(TM₄+TM₅)>1)的特征,但是三者(TM₂+TM₃)/(TM₄+TM₅)的比值却存在着较大的差异,所以辅以适合的阈值(水体(TM₂+TM₃)/(TM₄+TM₅)>2.0,TM₂>40)可以将水体信息区别于其他背景地物。将该方法在含不同水体类型的福州市Landsat-TM遥感影像上进行实验,表明其可以将水体与全部居民地的阴影和山体阴影有效区分开来;同时可用于快速、简便和准确地提取城市和山区中的湿地水体信息,解决水体提取中难于消除居民地阴影与山体阴影的难题。     

基于气测烃组分差异的CO2气体评价新方法——以恩平凹陷为例

针对地下CO2气体受物理及化学性质、储层岩性、物性等因素的影响,现有的常规录、测井评价方法在定性识别与定量评价方面存在不足.利用现场气测录井资料、结合地层测试资料和电缆泵抽取样数据,在对恩平凹陷油层、CO2气层、含CO2油层气测烃组分响应特征分析基础上,提出了基于气测烃组分差异的CO2定性识别与定量评价方法的解释图版....     

基于连续消光特征分析的岩石薄片分析系统

连续消光是指在正交偏光显微镜下,岩石薄片随载物台旋转而发生消光强弱连续变化的现象.作为人工鉴定岩石薄片的重要依据,提取后的连续消光特征可以用于实现岩石薄片的自动分析.结合数字图像处理技术与聚类划分算法,开发出一套能够分割出孔隙、颗粒轮廓,实现颗粒类别划分,并对结果做定量分析的岩石薄片分析系统.从矿物的消光特征本质出发,...     

基于卷积神经网络的电线塔识别与更新入库

利用卷积神经网络实现了电线塔的提取与更新入库.首先将遥感影像分为训练区域与校正区域,结合本底矢量数据,在训练区域分别获得目标与非目标样本影像块,并以此训练卷积神经网络;再利用卷积神经网络在校正区域提取电线塔;然后通过与本底数据的叠置分析,获得电线塔的增量数据;最后根据不同的类型对增量数据进行更新入库.实验结果表明,该方...     

基于声波信号的岩性智能分类方法

传统的岩性识别以钻井取心、钻井曲线和岩石图像等方法为主,这些识别方法对地质和识别条件要求较高,且不能满足随钻实时识别。为此,本文提出一种新的基于声波信号的岩性智能分类方法。该方法首先基于所采集钻头与岩层碰撞得到的音频数据,通过数据增强技术解决数据稀疏问题;然后采用基于CGRU(CNN+GRU,卷积神经网络+门控循环单元)的深度学习模型,对采集到的3种岩性的岩石音频数据进行深度学习与训练。为提高该模型在复杂背景下的识别能力,引入注意力机制模型进行优化。注意力机制模型可以在复杂环境下对岩性信息实现重点学习,提高模型识别性能。实验结果表明,与GMM(高斯混合模型)-SVM(支持向量机)、CNN和CGRU模型相比,CGRU-AttGRU(注意力机制模型+GRU)混合模型准确率达81.17%左右,在GMM-SVM、CNN和CGRU模型基础上分别提升了13.31%、9.99%和5.93%。     

基于极限学习自编码器的水声信号目标识别方法

传统的机器学习方法在特征提取时容易受到主观经验的影响,导致对水声信号目标的识别准确率不高。而一般深度学习算法模型较复杂,通常具有训练耗时、计算复杂度高等缺点。极限学习自编码器具有很强的非线性处理能力,适合针对具有非线性特点的水声信号目标的识别,而且模型具有学习速度快,泛化能力强等显著优势。将极限学习自编码器算法应用于水声信号目标识别中,并与卷积神经网络、自编码器和极限学习机识别方法进行对比,结果表明：提出的方法对水声信号目标识别的准确率最优,且训练时间较短。     

一种改进的重力梯度全张量数据的边界识别方法

边界识别是重力资料解释中的一项重要任务.随着重力梯度测量技术的迅速发展,重力梯度张量数据在边界识别中的应用越来越广泛.本文重点研究了随着深度的增加,边界识别能力下降,正负异常中出现假边缘的问题.另外,有些边缘检测方法对走向不同的地质体识别能力有所差异.本文对基于重力梯度张量的水平方向Theta法进行改进,通过选择合适的...