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FeatureStation的地理国情地表覆盖解译方案研究

分析了FeatureStation用于地理国情要素提取与解译的技术路线,并提出了特殊地貌的解译方法,以及针对选定区域的自动解译方法。在地理国情普查项目中的应用表明,FeatureStation软件具有快速、实用、有针对性等特点。     

一种底座式ADCP流量自动监测探头支撑装置的研制与应用

在流量自动监测系统中,底座式ADCP设备探头位于河底,维修极为不便。该研制装置采用304不锈钢支架配合滑轮、钢索、绞盘等手摇传动系统,将底座式ADCP设备探头从河底传送到水上岸边检修台,实现对设备探头的维护、检修、更换、安装、调试等操作,再通过该装置将底座式ADCP设备探头传送到河底原位,经十里长街等站实际应用,运行稳定可靠,运用极为方便;该装置防磁、防锈、防腐性能良好,为底座式ADCP探头提供一个很好的工作环境,且结构简单,运输方便,可作为中小河流永久流量自动监测站装置使用。     

基于近岸海域自动监测浮标的水华发生过程分析

利用位于广西廉州湾的自动监测浮标从2010年开始监控到的水华监测数据,分析水华发生前后溶解氧、pH、叶绿素等数据变化,结合气象、浮游植物密度数据,探讨不同赤潮藻增殖过程环境因子的变化规律,为赤潮机理及预警预报研究提供科学参考。廉州湾水华的叶绿素自动监测数据高值范围为24.5~77.0μg/L,浮游植物优势种为硅藻,浮游植物密度接近赤潮爆发的阈值。自动监测浮标能捕捉并监控到水华发生全过程,其长时间高频率的观测资料可有效应用于水华及赤潮的预警预报。不同藻种水华的自动监测数据变化具有差异性,在进行水华预警时应综合考虑叶绿素、溶解氧以及pH的变化。气象因素是水华诱发的因素,降雨过后,气温突升,风速小于等于三级时,可结合自动监测网络监测数据,发布水华预警。     

基于无人船的大洋中尺度涡观测系统展望

中尺度涡在大洋中普遍存在,研究发现其能量比大尺度海洋环流的能量大一个量级,在海洋物质能量输运和全球气候变化中起着重要的作用。受观测条件限制,目前对中尺度涡的观测主要通过卫星高度计实现,只能从海面高度来推算中尺度涡大小、分布、强度及其伴随的水体和能量输送,而卫星高度计对中尺度涡垂直结构特征认识不足,也导致了对中尺度涡所引起的上层海洋能量、热量输送估计误差偏大。目前对中尺度涡三维结构观测认识不足,展望未来将会出现基于无人船平台的大洋中尺度涡三维结构自动观测系统,该平台将集成自动水下剖面观测功能等先进技术,以便观测中尺度涡的垂直结构特征及其时空变化特征,进而可对中尺度涡带来的物质和能量输送进行系统认识。     

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。     

盾构隧道点云典型要素分割

针对盾构隧道点云及其几何特征构建八叉树索引,使用体素化网格降采样进行点云降采样,利用统计特征滤波器达到精简点云,继而实现典型要素自动分割。结合点云精简算法,提高了随机抽样一致性(RANSAC)算法效率,通过拟合模型的几何特征,设置合理阈值,自动分割隧道典型要素。实验结果表明,该方法可以精确地分割出相邻距离阈值较小的盾构隧道典型要素,拟合的隧道半径与设计半径误差仅为3 mm;相比传统RANSAC算法,该算法运行速度提高了17倍,实现了相邻距离阈值达1.0 cm精度的目标分割。     

陆态网络GNSS基准站地壳运动速度场分析

针对中国大陆构造环境监测网络(陆态网络)中观测数据处理的期数过少或解算成果的坐标系统不统一等问题,该文在ITRF2008中对陆态网络239个GNSS基准站从2010年1月至2013年8月的观测数据进行解算,获取站点的坐标时间序列,估计了站点的水平和垂直运动速度场,并分析了中国大陆地壳运动特征。结果表明:GNSS基准站在ITRF2008中的坐标时间序列整体上符合线性变化趋势,东西方向的幅度变化大,高程方向受观测噪声的影响较大一些;高程方向相比较水平方向的年周期性更为明显;水平速度场明显有自西向东运动的趋势,且西藏块体中测站变化最为明显;垂直运动速度场中,华中、华南、华东块体中测站存在较低速率的下降,其他块体的测站存在较低速率的隆升。     

基于错误式学习的低空影像人行横道多角度自动识别

提出了一种基于特征的错误式学习分类器半自动迭代训练方法,该分类器能够自动识别多角度低空影像上的人行横道线,在人行横道线管控与数据库建立、道路网提取上有较好的应用。介绍了基于错误式学习的分类器训练思路与方法,并提出了将同一地区不同角度低空影像的识别结果进行合并,从而尽可能全面的检测出被城区高楼以及车辆遮挡的人行横道线的思路。通过对比实验该方法的鲁棒性,并在其基础上随机选取多组数据进行系列实验,证实了基于错误式学习的分类器比传统方式训练的分类器有更好的综合性能,能够在不降低识别耗时的前提下产生高准确率、低漏检率和低误识别率的识别结果。     

Jason-2近海海面高的最优高斯低通滤波半径选择

使用测高卫星Jason-2传感器地球物理数据记录（sensor geophysical data record,SGDR）的近海海面高观测数据,基于最大似然估计4参数法,对波形数据进行重跟踪。考虑到星下点沿轨方向前后相邻海面高观测值中高频改正信号具有相关性的特征,提出了确定海面高的最优高斯低通滤波半径选择的技术方法,即对星下点沿轨方向观测值进行差分计算,形成差分数据序列,根据序列的相关系数性来确定滤波半径。对于SGDR数据,若对其进行低通滤波,建议滤波半径选为2 km,既可抑制沿轨海面高数据的高频误差,又可保证该数据没有被过度平滑。研究成果可为充分利用卫星测高数据建立高精度近海海面高模型提供参考,进而促进高精度陆海无缝垂直基准的技术体系建设。