Landsat 8热红外数据定标参数的变化及其对地表温度反演的影响

Landsat系列卫星上的TIRS热红外传感器数据已被大量应用,针对TIRS数据的地表温度反演也相继开发出一些算法,并有一些研究对TIRS数据的定标及其地表温度反演算法的精度进行了对比。本文主要就TIRS热红外传感器定标参数的变化,结合这些定标参数变化的时间点对有关地表温度反演算法的适用性和有效性进行分析,特别是对劈窗算法是否适合当前的TIRS数据进行了讨论,以使用户能够对Landsat 8 TIRS热红外数据的正确使用有进一步的认识。总的看来,由于视域外杂散光的影响,TIRS数据的定标精度仍达不到设计目标,TIRS第11波段的不确定性仍成倍大于TIRS 10波段。因此,在Landsat团队未彻底解决这一问题之前,同时用TIRS第10、第11这两个差距较大的波段构成的劈窗算法来反演地表温度,其精度存在较大的不确定性,US6-S团队仍在致力于改进第11波段的精度,改进后的波段可以用劈窗策法。目前应以TIRS第10单波段的方式来反演地表温度为宜。     

局部均值分解与支持向量回归的大坝变形预测

针对现有变形预测方法对于大坝变形的预测效果不理想的问题,该文利用局部均值分解方法获取生产函数分量并进行支持向量回归建模,用此方法对大坝变形进行多尺度分析。通过局部均值分解对大坝变形序列进行分解得到其乘积函数分量,然后利用支持向量机回归进行外推预测,再把各乘积函数分量的预测结果进行叠加重构生成,进而获得大坝变形预测值。通过实例分析,比较GM(1,1)、支持向量机和该文方法3种模型在变形监测数据处理中的拟合和预测结果,表明该文方法充分发掘数据本身所蕴含的物理机制和物理规律,提高了大坝变形多尺度预测精度。     

煤矿地质成图中多边形快速生成算法

针对煤矿地质成图中左转算法生成多边形在复杂的二维图形条件下应用效率低的问题,该文提出了一种新的基于左转算法的多边形快速选取及自动生成算法,实现了2D图形环境中多边形的快速选取及自动生成。通过在进行多边形选取时的起始点,起始方向的选择和对悬挂点、线进行处理,解决了复杂图形下多边形选取及自动生成过程中存在的重复生成、效率低下和搜索回退问题。基于GeoMS3D实现该算法,实验结果表明:该算法逻辑简单、结构清晰,在实际的应用中表现出了较高的运算效率。     

基于峰值因子最大化的鬼波压制方法

针对传统拖缆采集得到的海上地震资料受鬼波影响而导致频带宽度变窄,笔者提出一种去鬼波方法,可以压制鬼波效应,拓宽频带。首先在频率-空间域推导出镜像数据生成公式,并基于峰值因子最大化的参数搜索方法来估计最优的鬼波延迟时间,将最优的鬼波延迟时代入镜像记录生成公式,获得最优的镜像记录,利用联合反褶积算法得到最优的去鬼波结果。将本文中的方法应用于模拟的变深度采集数据和海上实测的变深度采集数据,证实该方法可以有效地压制鬼波,消除频谱中的陷波点,得到宽频数据。     

Structuring velocity model of microseism based on genetic algorithm and Levenberg-Marquardt algorithm

为在射孔时间未知条件下达到微震速度模型矫正的目的,采用遗传算法交叉互换搜索最优初值和 Levenberg-Marquardt 算法局部锁定最优解的方式来构建微震速度模型。通过 6 层层状模型及井下不同数量检波器进行试算,随着检波器数量增加,构建的速度模型准确度越高,当检波器数量增加到 20 个时,误差约 13. 4 ×10 －3 ,目的层检波器数量越多,构建目的层速度误差越小,第 5 层检波器由 1 增加到 3 个时,精度提高 9. 1 ×10 －3 ,并且反演震源与实际震源距离相差 10 m,说明此方法在射孔时间未知条件下可以良好构建速度模型。     

加权Logistic回归模型在火山岩型铜矿预测中的应用:以宁芜盆地中段为例

文中探讨了加权Logistic回归模型在宁芜盆地中段火山岩型铜矿预测中的应用。首先,结合研究区的成矿地质背景,提取地质体、构造、围岩蚀变三大类证据因子;其次,分析各证据因子与铜矿点之间的空间关系,认为姑山旋回、娘娘山旋回火山机构控制了本区火山岩型铜矿的空间分布,根据计算结果,选取与火山岩型铜矿密切相关的龙王山组、姑山组地层,姑山旋回粗面斑岩、娘娘山旋回二长斑岩、NW向构造1.5 km缓冲区、NE向构造1.3 km缓冲区、EW向构造4.5 km缓冲区、硅化、褐铁矿化、黄铜矿化等作为模型自变量;最后采用加权Logistic回归模型进行成矿概率计算,并结合成矿地质背景,圈定四个成矿远景区,分别为P1、P2、P3、P4,其中P1、P2、P3呈北东向展布,主要受娘娘山和姑山火山机构控制,P4为东西向分布,主要受龙王山火山机构控制,在这些预测区中,均存在已发现的铜矿体,说明预测可信度较高。     

基于近岸GPS RTK技术的潮位和波浪提取算法研究

由于潮汐和波浪的周期相差甚远,对实时海面高程数据进行相应的低通和带通滤波即可提取潮位和波浪信息。通过对仿真的实时海面高程数据进行平滑滤波、中值滤波、小波滤波等低通滤波,以及椭圆、巴特沃斯等带通滤波结果分析表明:近岸GPS RTK技术可用于潮位和波浪同步测量;对于潮位信息的提取方面,平滑、中值、小波等低通滤波均能很好的提取出潮位信息,其中平滑滤波最佳,且工程中易于实现;对于波浪信息的提取方面,椭圆滤波、巴特沃斯、切比雪夫Ⅰ型等带通滤波均能很好提取出波浪信息。     

基于岩石图像深度学习的岩性自动识别与分类方法

岩石岩性的识别与分类对于地质分析极为重要,采用机器学习的方法建立识别模型进行自动分类是一条新的途径。基于Inception-v3深度卷积神经网络模型,建立了岩石图像集分析的深度学习迁移模型,运用迁移学习方法实现了岩石岩性的自动识别与分类。采用此方法对所采集的173张花岗岩图像、152张千枚岩图像和246张角砾岩图像进行了学习和识别分类研究,通过训练学习建立岩石图像深度学习迁移模型,并分别采用训练集和测试集中的岩石图像对模型进行了检验分析。对于训练集中的岩石图像,每组岩石分别用3张图像测试,三种岩石的岩性分类均正确,且分类概率值均达到90%以上,显示了模型良好的鲁棒性;对于测试集中的岩石图像,每组岩石分别采用9张图像进行识别分析,三种岩石的岩性分类均正确,并且千枚岩组图像分类概率均高于90%,但是花岗岩组2张图像和角砾岩组的1张图像分类概率值不足70%,概率值较其他岩石图像低,推测其原因是训练集中相同模式的岩石图像较少,导致模型的泛化能力减小。为了提高识别精确度,对准确率较低的岩石图像进行截取,分别取其中的3张图像加入训练集进行再训练,增加与测试图像具有相同模式的训练样本;在新的模型中,对3张图像进行二次检验,测试概率值均达到85%以上,说明在数据足够的状况下模型具有良好的学习能力。与传统的机器学习方法相比,所提出的岩石图像深度学习方法具有以下优点:第一,模型通过搜索图像像素点提取物体特征,不需要手动提取待分类物体特征;第二,对于图像像素大小,成像距离及光照要求低;第三,采用适当的训练集可获得较好的识别分类效果,并具有良好鲁棒性和泛化能力。     

逻辑回归模型在边坡稳定性分析中的应用

采用逻辑回归模型和确定性系数CF建立概率模型,使用收集到的22个边坡实例,将重度、内聚力、坡角、坡高、内摩擦角和孔隙压力比六个影响因子作为自变量,边坡状态作为因变量,应用SPSS取不同的滑坡概率P与不滑坡概率1-P的比值的自然对数Z进行回归分析。将获得的滑坡概率拟合模型反馈到样本参数上,对比其误差,选取Z=±10时的函数模型对另外8组边坡进行验证,证明预测模型的合理性。     

一种适用于多源道路网自动匹配的通用算法

多源数据匹配是数据转换、更新与融合的关键技术。随着GIS技术的发展以及地理信息空间数据不断增大,多源空间数据的匹配与融合成为目前GIS领域面临的重要问题。本文对多源道路网的匹配算法进行了研究,并在传统算法的基础上创建了一种可适用于多源道路网自动匹配的通用算法。该算法能够更加便捷和高效地利用道路间的拓扑特征与上下文信息关系,从而极大地提高了匹配运算的成功率和准确度。大量的数据测试表明该算法同时具有成功率高、准确度高以及通用性强等多项优点。