迁移学习支持下的高分影像山地滑坡灾害解译模型

无人机低空遥感是近年来新兴的一种快速获取灾情信息的手段,如何利用无人机高分影像构建滑坡灾害解译模型是实现快速自动解译滑坡的关键。针对该问题,对比了多种影像特征提取方法,将迁移学习(TL)特征和支持向量机(SVM)引入到构建滑坡灾害自动解译模型中,提出了一种TL支持下的高分影像滑坡灾害解译模型。选取5·12汶川地震及4·20芦山地震系列无人机影像构建了滑坡灾害样本库并进行了实验,TL特征方法整体分类准确度ACC为95%,ROC达到0.98,识别准确率达到97%。结果表明,所提方法可用于高分影像滑坡自动解译,同时可用于大面积高分影像中快速山地滑坡灾害定位及检测。     

关于实现AutoCAD下实时自动保存的思路

当遇到Auto CAD软件遇到紧急情况的时候,非正常退出,比如说我们在使用操作Auto CAD软件的时候,遇到计算机系统崩溃、发生致命错误、突发断电的情况, CAD软件直接退出了,导致我们在CAD软件非正常关闭前所做的一些操作没有被保存.这里主要针对在AutoCAD软件平台下图形文件不能实时自动保存,希望能像在MicroStation平台下不用人工干预,自行对图形文件是否保存进行判断,并对未保存的操作进行保存的思路进行解析与探讨,从而实现AutoCAD软件平台下的图形文件实时自动保存.     

黔西南州区域自动站气象资料绘图系统的研制

随着气象服务的不断推进,用户对气象服务产品的要求越来越高,提高气象服务产品的质量对于基层气象台站来说显得至关重要。目前,区域气象站的建设已覆盖到各乡镇,将这些区域气象站资料用直观的色斑图来显示,可有效提高气象服务质量和服务水平。系统综合使用VB、Fortran、Gr ADS等技术,实现对区域自动站气象资料的查询、处理与绘图等功能,并可分县制作绘图边界和色斑图,为决策气象服务提供精美素材。     

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。     

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。     

山东省三级地下水监测站网建设思考

随着国家地下水监测工程的启动,国土资源部提出了国家、省、市新的三级地下水监测站网建设要求。该文介绍了各级地下水监测站网的基本概念、主要建设内容,各级地下水监测站网建设服务对象、基本要求,细化了各级地下水监测站网建设要求,规范了建设行动。     

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。     

多尺度空间分析技术遥感影像去雾方法

基于多尺度空间分析技术构建了两种影像去雾方法。多时相参考影像去雾方法利用同一地区没有雾的影像作为参考,运用多尺度空间分析技术获取地面低频信息将雾去除。自动影像去雾方法是基于拓扑分析的多尺度空间分析技术,分析影像的纹理和特征信息,将同一场景中的雾和地面信息分离,从而获得去雾后影像。通过青岛地区大量遥感影像数据测试,证明该方法是非常有效的。