基于双分支卷积神经网络的SAR与多光谱图像融合实验

针对合成孔径雷达(Synthetic Aperture Radar,SAR)和多光谱(Multi-Spectral,MS)融合图像中存在的空间细节模糊和颜色失真问题,该文兼顾光谱监督和空间细节监督,设计光谱损失函数和空间细节损失函数,提出一种基于双分支卷积神经网络(Convolution Neural Network,CNN)的SAR和MS图像融合算法。该算法网络框架包含光谱保持和细节提升两个分支:光谱保持分支通过上采样MS图像连接到网络的输出,直接将光谱信息传递到融合图像中;细节提升分支对SAR和MS图像通过高通滤波提取高频细节信息,然后应用CNN对细节信息进行特征提取、特征融合及重建,最后将重建的细节信息叠加到上采样的MS图像,得到融合结果。以哨兵-1B GRD级别的SAR图像和Landsat8卫星多光谱图像为实验数据,通过与传统融合算法和深度学习算法RSIFNN进行对比,结果表明,该文算法在定性和定量评价方面效果更好,能够在保持光谱信息的基础上增强多光谱图像的空间细节信息,有利于后续地物分类和目标识别等工作的开展。     

集成Sentinel 1/2卫星影像的哈尼湿地森林沼泽制图研究

森林沼泽作为独特的湿地类型,对区域碳循环和生物多样性保护具有重要作用。以吉林省哈尼湿地为研究对象,集成应用Sentinel-1雷达和Sentinel-2多光谱影像,充分挖掘Sentinel-1多极化波段特征和Sentinel-2红边指数对森林沼泽遥感识别的潜力,应用随机森林方法实现哈尼湿地森林沼泽分布信息的提取。结果表明:当森林沼泽信息提取最优决策树数目为1200,融合Sentinel-1 VV与VH后向散射系数雷达波段特征与Sentinel-2红边波段特征能显著提高森林沼泽分布信息的提取精度,保护区森林沼泽信息提取总体精度与Kappa系数分别高达89%、0.85,提取质量相对较高。哈尼湿地景观类型多样化,天然湿地、人工湿地与非湿地景观类型并存。在天然湿地类型中,森林沼泽面积最大,为27.1 km^(2),占保护区总面积的11.2%;河流面积最小,为0.7 km^(2),占保护区总面积的0.3%。森林沼泽提取方法为哈尼湿地的可持续管理提供数据支持,也为其他地区森林沼泽制图提供案例指导。     

基于BP神经网络的青藏高原土壤养分评价

土壤养分在养分循环和土壤-植物关系中起着重要作用,在高海拔生态系统中,由于缺乏系统的实地观测,土壤养分在高山草原中仍然知之甚少。为了了解青藏高原多年冻土区高寒草地土壤养分的基本情况以及土壤养分的等级划分,利用青藏高原腹地西大滩至安多地区采集的154个土壤样品数据,基于BP神经网络模型建立具有3层网络,10个中间层节点的土壤养分评价模型。在MATLAB软件中进行BP神经网络的训练和验证后,对青藏高原多年冻土区高寒草地土壤养分进行综合评价。结果表明：2009年青藏高原高寒草地的土壤养分综合评价等级为4级,属于较低水平。综合评价结果与基于主成分分析方法的土壤质量指数（SQI）基本一致,说明BP神经网络模型对青藏高原土壤养分的评价结果是合理的。对评价结果与海拔、植被盖度和植被类型的关系分析表明,海拔越高或植被盖度越高,土壤养分的评价等级越高;不同植被类型的评价等级表现出高寒沼泽草甸（2级）>高寒草甸（4级）>高寒草原（5级）的趋势。BP网络作为一种简单又准确的识别方法,不仅可以评估土壤养分等级,还可以比较不同地区的土壤养分高低状况,希望为青藏高原的土地资源管理与保护提供基本的科学依据。     

日本气象厅数值预报产品释用技术——神经元网络的指导预报

日本气象厅数值预报产品释用技术──神经元网络的指导预报柳野健（日本）１数学原理与解释１．１概况简单地说，ＭＯＳ（模式输出统计法）是线性分析、一次求解；卡曼滤波是线性分析、逐步求解；而阶层型神经元网络则是非线性分析、逐步求解。先来大致看一下阶层型神经元...     

复杂山地随机介质GMM-ULTI法射线追踪

对复杂山地介质的非均质性以及介质中地震波运动学特征进行深入研究,对于提高复杂山地区域地震勘探的效果有着重要的理论意义和实际价值.为了研究复杂山地非均质性和该介质中地震波的一些运动特性,提出了一种复杂山地随机介质的建模方法和一种新的射线追踪算法.与常规算法相比,复杂山地随机介质的生成方法采用更贴近实际介质特点的梯度介质作为背景介质,并在模型生成过程中加入地形修正步骤;新提出的GMM-ULTI射线追踪算法,充分融合群推进法、迎风思想、走时插值法的优势,采用先计算走时后追踪射线路径的两步策略完成射线追踪.算法分析与计算实例表明:复杂山地随机介质的生成方法能灵活、精细且更贴近实际地刻画复杂山地介质的非均质特点;新射线追踪算法兼顾精度和效率、能无条件稳定且灵活地适应复杂山地随机介质的特点;同时基于对几个模型试算结果的分析也得出了复杂山地随机介质中的地震波的一些传播规律.     

岩溶隧道涌水量综合预测——以朱家岩岩溶隧道为例

长期以来岩溶隧道涌水问题是国内外隧道施工中的重大难题,往往对工程造成极大危害。基于岩溶水文地质学的最新理论和国内外工程实践,结合多年的经验,提出"岩溶隧道涌水量综合预测四步建模法"。运用地球系统科学的理论与方法,辅之系统论原理和类比方法,从多种地质调查与监测手段入手,在分析确定岩溶地下水系统结构特征(特别是地下岩溶含水介质类型)与其内水流运动关系的基础上,采用流量衰减分析法、物理模拟和BP神经网络模型三者相结合的方法,对岩溶隧道涌水量进行综合预测研究。     

利用Kmeans-RBF神经网络提高重力格网化数据精度

针对重力测量数据在格网化过程中精度会被降低的问题,顾及空间重力异常和地形的强相关性,提出了三维Kmeans-RBF神经网络方法,该方法利用神经网络的复杂非线性映射学习能力进行推估建模,并在模型训练和推估时加入地形数据作为物理控制。最后基于美国爱达荷州地区的实测重力数据进行验证,实验结果表明:该方法相对于二维Kmeans-RBF神经网络方法和直接进行拟合推估的Kriging方法,实验区内精度分别提高了24.85%和44.84%。     

改进的GA-BP神经网络模型在财产犯罪预测中的应用

发现犯罪时空分布规律并预测犯罪发生,是提高警务策略有效预防、控制犯罪的重要方法。在分析财产犯罪时空规律的基础上,利用BP神经网络模型自动学习训练各因子与财产犯罪的非线性关系,建立了财产犯罪预测模型。针对BP神经网络模型易陷入局部最优和模型不稳定的缺陷,提出了利用遗传算法（GA）选择各因子最优的初始化权重和参数,并以此作为BP神经网络模型的初始化权重矩阵,通过对历史数据的学习及训练建立了改进后的GA-BP神经网络模型。利用某市2007~2012年财产犯罪、人口、GDP、土地利用等35个综合影响因子数据,对改进前后的模型进行了预测对比试验。结果表明,改进后的GA-BP神经网络模型成功克服了BP模型的缺陷,收敛迭代最小次数从117次改进到8次;10次计算收敛迭代次数最大误差从370次提高到5次;模型预测精度（RMES）从0.043 0提高到0.019 95。     

祁连山浅山区草地生态系统点尺度土壤水分动态随机模拟

土壤水分动态随机模拟研究是定量理解植被对水分胁迫响应、土壤养分循环的水文控制、植物水分竞争等生态系统动态的关键, 已成为生态水文学的研究热点. 利用2002~2005年生长季土壤湿度连续监测数据及1994~2006年日降水资料, 结合Laio土壤水分动态随机模型与蒙特卡罗(Monte-Carlo)方法, 研究了祁连山浅山区草地生态系统点尺度生长季土壤水分动态与土壤湿度概率密度函数特征. 结果表明: 生长季土壤水分年际变化差异显著, 但无论是丰水年还是枯水年, 表层0~20 cm土壤湿度变异系数均基本保持在0.23左右, 土壤湿度变异系数最大值并不一定发生在表层. 2002~2006年生长季植物根际层土壤湿度概率分布呈单峰状, 峰值出现在s=0.28处, 统计结果与Laio土壤水分动态随机模型模拟结果一致. 将长序列降水信息输入模型, 使用蒙特卡罗方法分析求解得到降水随机波动因素影响下的土壤湿度概率密度函数, 并与不考虑随机波动因素条件下的对比发现: 年际降水随机波动并没有导致土壤湿度概率密度函数出现双峰现象, 但峰的位置却发生了显著偏移, 峰的阔度明显减小, 相应的峰值明显增加.     

逐次滤波方法在GPS单点定位中的应用研究

采用平差计算中得到的观测值的残差来估计指数函数经验模型中的参数，从而使随机模型更真实地反映观测值中的随机误差和偏差。由实际GPS观测数据厦广播里历，按以上的函数模型和随机模型采用逐次滤波方法进行解算。结果表明，此方法在未剔除和修复周跳的情况下，可以使单点静态定位的平面外符合精度达1．46m，高程方向的外符合精度为1．72m。