基于航空影像和LiDAR数据的海地地震滑坡识别研究

快速、准确地判别滑坡灾害范围对灾情评估与救灾指挥至关重要。将高分辨率航空影像和机载LiDAR数据相结合,能充分利用滑坡体的光谱特征、几何形态与空间结构特征,提高滑坡识别的准确度。该文以海地地震诱发的滑坡识别为例,介绍了面向对象的滑坡识别思路及方法;针对海地滑坡灾害特点,选择了相应的灾害特征,并经反复试验设定了特征参数阈值;针对面向对象分类过程中特征组合与选择这一瓶颈问题,以河流沉积物和滑坡判别为例,通过特征组合试验与对比分析,发现基于NDVI与坡度特征组合的分类结果明显优于单一特征及其它组合模式的分类结果。与最大似然分类法相比,该方法的分类结果更为准确、精度更高。     

多星座组合RAIM算法研究

随着GPS、GALILEO、GLONASS以及BDS的快速发展,需要加强对基于多星座组合的接收机自主完好性监测(RAIM)算法的研究.首先介绍了RAIM算法的原理及流程,然后研究分析了多星座组合下的伪距残差的最小二乘算法以及多星座RAIM算法的可用性判断,最后对单GPS星座和GPS、GLONASS和BDS三星座组合的RAIM算法进行了仿真分析.仿真结果表明:多星座组合RAIM算法得到的故障检测率和故障识别率比单星座有明显提高.     

基于卫星遥感技术的宁波海域赤潮灾害监测研究

宁波海域是东海甚至全国赤潮高发海域,如何有效开展赤潮监测预警,一直是我市海洋灾害防灾减灾工作的重点.传统赤潮监测主要采用船舶定点航测和浮标定位监测技术,两种技术在及时性和全面性上都存在一定的局限性.近年,随着海洋卫星遥感技术的发展,利用海洋水色遥感技术开展赤潮监测的研究取得了很大进展,但是不同海域、水质对赤潮反演算法的...     

基于多源观测资料对张家口一次雨雪天气降水相态特征的分析

利用ERA5再分析资料及云雷达、微波辐射计和SA双偏振多普勒雷达等多源观测资料,分析2020年11月17—19日张家口地区一次雨雪天气的降水相态演变特征。结果表明：在高空低槽、中低层低涡与地面倒槽配合下,高空槽后西北气流引导冷空气南下造成气温迅速下降,导致降水相态变化。过程前期整层大气均为强暖平流,且地面气温较高,降水相态为雨。18日傍晚冷平流发展强烈,各层温度迅速降低,整层变为冷层,导致降水相态转换为雪。散度和垂直速度的诊断表明降雨时段的动力强迫主要位于高层,降雪时段则主要位于低层。云雷达高分辨率资料可以反映0℃层变化,大于10 dBZ的质心变化可以指示降水强度变化,降雨时的基本速度最大可达6～8 m·s^-1,而降雪时则小于2 m·s^-1。微波辐射计高分辨率时空资料可以准确判断雨雪转换时间,降水开始之前3～5 h积分水汽含量出现跃升与峰值。双偏振雷达和微波辐射计结合可以对降水粒子相态实现准确判断,可用于降水相态转换的临近预报。     

一种优化的自然语言空间查询转换模型

针对将自然语言描述的空间查询问题转换为可执行的SQL语句的研究热点,提出了一种优化的自然语言空间查询转换模型,采用BERT预训练模型以及空间命名实体识别技术标注空间查询问题中的地理实体以及空间算子(包括取坐标、求距离、缓冲区),将生成的词向量输入SQL输出模块,构建空间查询SQL语句。使用英文语料生成SQL语句并进行了精度检验,发现模型的准确率较高,并且相比于基线模型准确性有着明显的提升。实验结果表明：所提模型能够利用自然语言问题快速准确地查询空间数据,研究结果可以帮助普通用户在不提前学习专业空间数据库知识之前的前提下提高人机交互效率,促进地理信息向智能服务方向发展。     

时序InSAR在贵州区域地质灾害隐患识别的应用

针对传统地质灾害隐患排查手段无法进行全天时、全天候、大范围识别监测的问题,该文以ALOS-2升轨和Sentinel-1A升降轨雷达影像为数据源,利用时序InSAR技术开展了贵州省六盘水和黔西南区域地质灾害隐患识别监测,同时基于SAR卫星入射观测方向和地形地貌之间的关系,对研究区域侧视成像几何可视性进行判别分析。最后综合利用3种数据获取的形变结果以及结合光学影像、地形等数据进行了形变解译,共识别出108个地质灾害疑似隐患点,并通过外业核查验证了地质灾害隐患识别的准确性。实验结果表明,时序InSAR技术能够有效进行地质灾害隐患识别监测,可为地质灾害防治提供科学依据。     

基于定位误差估计减少RAIM误警的方法

在GPS接收机自主完好性监测（RAIM）中,卫星出现伪距偏差可能导致检测量超限而实际定位误差不超限的误警。我们提出一种减少误警的方法,该方法是在检测和识别故障后,估计定位误差并将其与误差告警限值比较。用一组实测GPS星历数据进行仿真试验,试验结果表明,这种方法减少误警的能力和伪距偏差有关。当伪距偏差较小时此方法的误警率小于传统RAIM算法,当伪距偏差较大时和传统RAIM算法的误警率相当。     

基于平衡分类网络的地震断层智能识别方法及应用（英文）

针对训练样本集不均衡造成的地震断层智能识别精度不高,卷积神经网络（CNN）训练速度慢的问题,本文将断层识别与深度学习算法相结合,设计了一种基于改进的平衡交叉熵（BCE）损失函数的CNN的地震断层智能识别方法。通过自编算法逐层提取特征图,分析地震特征提取结果,从而确定网络结构与最优参数,进而修改CNN以优化模型。利用BCE损失函数,添加非断层与总样本集的比率参数,从而改变损失函数寻找最小权重参数的基准,调优断层与非断层的数据比例。该方法克服了样本集类别数量不均衡的问题,提高了迭代速度,经过少量的训练即可达到95%以上的精度,梯度下降明显。将本文方法应用于某油田地区的断层识别,所训练的模型预测断层较为清晰,预测结果与实际情况基本吻合,因此该方案具有有效性和适应性。     

协同模型与遗传算法的集成

提出协同模型中蚁群算法和遗传算法集成的方案,用于生成纹理分类的模板。介绍了蚁群算法的原理和集成方案的实施步骤,以及在搜索最优解过程中蚁群移动方向的决策方法。为了验证集成方案的正确性,对航空影像的居民地、灌木、水田、山地、旱地5种目标进行了识别试验,并与仅使用遗传算法的结果进行了比较。试验结果表明,该集成方案的识别效果有明显的提高。     

基于航磁垂向分量的深度识别技术研究与应用

本文提出了一种基于航磁垂向分量数据提取磁性场源体深度的方法.从垂直磁化条件下球体模型垂向分量的正演理论出发,给出了利用垂向分量极大值获取异常体埋深的关系式,并在此基础上推导了约束条件下垂向分量深度识别关系式.该关系式简化了场源深度识别的复杂度,充分利用先验信息且无需进行复杂反演运算,能够较为精确地计算异常体的埋深,为磁性场源体深度的提取提供了一种新的解决方案.理论模型试验证明,利用本文提出的深度识别方法进行深度估算的相对误差绝对值均小于1%,相较于常规的垂向分量极大值方法具有更高的估算精度.将该方法应用于中国北部某地区实测航磁垂向分量数据,获取的深度结果与钻孔资料相一致,深度相对误差绝对值小于10%,验证了本文方法对于实际资料的有效性.