有限空间中三维壁面紊动射流流动特性试验研究

为了研究三维壁面紊动射流前方布置的垂直挡板对时均流动特性的影响,采用粒子图像测速技术对不同雷诺数和淹没水深条件下的流速场进行了测量,统计分析了U速度剖面分布、速度半宽值变化和最大速度衰减规律。结果表明:沿射流方向具有3个明显不同的衰减区,依次划分为自由边界下的三维壁面射流区（Ⅰ区）、垂直挡板影响区（Ⅱ区）和近壁区（Ⅲ区）。在重点分析的Ⅱ区内,3个特征物理量的分布规律均与雷诺数无关;在垂直挡板影响下,速度半宽值扩展率明显加快,发展更为充分;在水深H~1.75H范围内,射孔中垂面内速度半宽值扩展率为0.043,同时0.5H的递增对射孔中心水平面内速度半宽值的分布较为敏感,其扩展率由0.205增至0.270;最大速度衰减对水深的改变并不敏感,且在Ⅱ区加速衰减,衰减指数为1.095。通过与半无限空间中三维壁面射流径向型衰减区的流动特征比较,Ⅱ区与之相似,将Ⅱ区视为提前进入径向型衰减区。     

油井动态与地震关系研究的新进展

对油井动态与地震关系进行了系统、深入研究,取得了新的进展,给出了油井动态多种观测参数间定量的相互关系数学表达式,给出了由油井压(水位)的变化反演含油(水)层应力变化的定量计算方法与程序,给出了多维的时、空、强大区域应力场的演化图像,给出了较科学的油井动态数据处理方法,对动态异常演化的时空分布特征与观测点所处的构造位置进行综合研究。     

城市创意产业空间动态集聚演化的计算与可视优化方法

基于人文地理视角下的城市创意产业图像可视化分析对城市深层次空间综合和区域创新发展具有重大意义。但Swarm群智能动态时空建模难以满足创意产业空间集聚的可视化发展。本文研究目标是,从城市区域创意产业空间聚类影响因素指标出发,创新性地提出区域空间动态集聚轨迹算法（Density-Based Interest Spatial Clustering of Path,DBICP）,并与计算机浏览器共建聚类可视化图像,为城市管理提供决策依据。首先,根据影响因素指标体系,利用2014—2018年空间卡口流量数据和产业指标数据进行预处理,构建空间标准聚类算法DBSCAN。然后,对其进行聚类密度分级优化形成全新DBICP算法并得出初步轨迹图像。最后,通过源码转译实现了浏览器界面下空间动态集聚轨迹图像的输出。结果表明：以上海市为例,普陀区、浦东新区、徐汇地区的创意产业空间分布形成了3种不同的聚类模式,并相应提出了分摊、均布、虹吸的管控策略。此方法克服了传统图像的聚类分级和轨迹测量的缺失,可以有效地从指标数据中发现图像轨迹聚类信息,体现了地理信息科学和人文社会学科的交叉融合。也为大数据动态图像的集聚方法提供了全新视角和借鉴价值。     

Catchment properties,function, and conceptual model representation: is there a correspondence?

This study investigates the possible correspondence between catchment structure, as represented by perceptual hydrological models developed from fieldwork investigations, and mathematical model structures, selected on the basis of reproducing observed catchment hydrographs. Three Luxembourgish headwater catchments are considered, where previous fieldwork suggested distinct flow‐generating mechanisms and hydrological dynamics. A set of lumped conceptual model structures are hypothesized and implemented using the SUPERFLEX framework. Following parameter calibration, the model performance is examined in terms of predictive accuracy, quantification of uncertainty, and the ability to reproduce the flow–duration curve signature. Our key research question is whether differences in the performance of the conceptual model structures can be interpreted based on the dominant catchment processes suggested from fieldwork investigations. For example, we propose that the permeable bedrock and the presence of multiple aquifers in the Huewelerbach catchment may explain the superior performance of model structures with storage elements connected in parallel. Conversely, model structures with serial connections perform better in the Weierbach and Wollefsbach catchments, which are characterized by impermeable bedrock and dominated by lateral flow. The presence of threshold dynamics in the Weierbach and Wollefsbach catchments may favour nonlinear models, while the smoother dynamics of the larger Huewelerbach catchment were suitably reproduced by linear models. It is also shown how hydrologically distinct processes can be effectively described by the same mathematical model components. Major research questions are reviewed, including the correspondence between hydrological processes at different levels of scale and how best to synthesize the experimentalist's and modeller's perspectives. Copyright © 2013 John Wiley & Sons, Ltd.     

1990-2020年间念青唐古拉山中段北坡边坝地区冰川变化及气候响应

念青唐古拉山作为青藏高原东南缘重要山古冰川分布区,受季风影响,各区域冰川变化特征差异明显。论文通过Landsat TM/ETM+/OLI资料、ASRTMGDEM与气象数据,采用比值—阈值法、目视解译和VOLTA模型,结合实地考察,对1990—2020年间念青唐古拉山中段北坡边坝地区现代冰川进退状况、面积变化、冰储量变化以及冰川变化对气候变化响应特征进行研究。结果表明：① 1990—2020年5条冰川(玉贡拉冰川、玛拉波冰川、祥格拉冰川、孔嘎冰川、贡日—庚东冰川)末端高程逐渐升高,面积和冰储量分别减少30.38 km²和4.64 km³,总体缩减并呈现加速趋势。② 冰川冰储量减少0.14~1.92 km³,总体变化率为0.40%·a^-1。2020年上述5条冰川储量占1990年冰川储量的比例分别为0.70、0.99、0.98、0.91和0.82,显示出冰川规模越大,在短时间尺度的变化量越小。③ 气象数据分析显示,1990—2020年研究区冰川变化受气温升高主导,平均气温变化率为0.51 ℃。水热组合呈现温度升高—降水减少,且在最后10 a日益显著,预测未来冰川变化仍受气温控制并呈加速退缩趋势。④ 区域对比研究表明,念青唐古拉山冰川面积变化总体呈退缩状态,但各区域冰川变化特征差异明显。同时,不同研究方法对同一冰川区冰储量模拟结果相差较大,相对误差范围为34.45%~115.49%,精确的冰储量可对比研究方法仍有待进一步研究。     

结构增强型生成对抗网络SAR图像超分辨率重建

针对利用生成对抗网络模型(Generative Adversarial Network,GAN)重建SAR(Synthetic Aperture Radar)图像存在边缘细节信息不足和“伪影”(artifacts)现象,该文基于增强型超分辨率生成对抗网络(Enhanced Super-Resolution Generative Adversarial Networks,ESRGAN)光学模型,重新设计生成网络上采样重建模块和结构损失函数,提出一种结构增强型生成对抗网络SAR图像超分辨率重建算法,包括特征提取、特征增强和上采样重建3个模块:在特征提取模块采用小尺度卷积层对输入SAR图像进行低层次特征提取;在特征增强模块采用多个级联残差密集块(Residual-in-Residual Dense Block,RRDB)和卷积层提取输入特征;在上采样重建模块交替使用最近邻插值(Nearest Neighbor Interpolation,NNI)和亚像素卷积(Sub-Pixel Convolution,SPC)对特征进行放大重建,使特征信息交互融合。与传统插值算法和经典深度学习重建算法相比,该算法在视觉效果和定量评价方面均有显著提升,能够在保持原网络模型重建图像内容信息不丢失的基础上,增强重建图像边缘细节信息和减缓“伪影”现象,有利于后续目标识别和灾害监测等工作开展。     

基于NSCT与改进SIFT特征点的GF-2影像水印算法

现有基于SIFT特征点的水印算法因特征区域重叠导致算法鲁棒性较差,不能满足GF-2影像版权保护的需求。该文采用Mean Shift对SIFT特征点进行优化和改进,提出一种基于NSCT与改进SIFT特征点的GF-2影像数字水印算法。首先,提取GF-2影像的SIFT特征点,采用Mean Shift对其进行聚类处理,将所有聚类中心作为影像的关键点,并计算关键点的平均SIFT描述符,以保证所生成的影像关键点具有与SIFT特征点相同的特征属性;其次,根据关键点构建影像的特征区域,并对其进行几何归一化处理;最后,对特征区域进行NSCT分解,选择低频子带进行奇异值分解,根据加性规则将水印信息的奇异值嵌入低频子带的奇异值中,并通过相应的逆变换得到含水印影像。与其他算法对比验证结果表明,该算法既具有良好的不可见性,又对常规攻击以及旋转、裁剪、缩放等几何攻击具有较好的鲁棒性,且能有效减轻特征区域的重叠现象,适用于GF-2影像的版权保护。     

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。     

利用Sentinel-3A OLCI可见光通道反演台湾岛气溶胶光学厚度

OLCI（Ocean Land Colour Instrument）作为MERIS（Medium Resolution Imaging Spectrometer）的后继升级版传感器,在气溶胶反演中存在潜在优势,但是目前利用OLCI数据进行气溶胶监测的研究较少。因此,本文针对OLCI多通道反射特征开发了OLCI云检测算法,并对传统查找表构建方法进行改进,根据观测几何特征提出动态查找表法,并通过光谱卷积方式等效转换MODIS和OLCI红蓝通道地表反射率并获取OLCI红蓝通道地表反射率固定关系,进而实现台湾岛550 nm处的AOD反演。与550 nm处AERONET level 2.0 AOD验证结果首先表明不同季节、不同站点的精度表现存在一定差异,其次相对于同期MOD04_3K AOD产品,本文反演结果与全球气溶胶自动观测网（AERONET）站点实测值之间表现出更显著 的相关性（R²=0.8199）,均方根误差（RMSE）从0.175下降到0.113,相对平均误差（RME）从33.6%下降到26.7%,且67.5%的OLCI AOD落在预测误差（EE）区间内,明显大于MOD04_3K AOD落在预测误差区间的百分比（55.7%）。此外,误差分析表明,当实际AOD值较低时,红蓝通道地表反射率之间关系的误判会导致较为明显的AOD反演相对误差。     

机载多光谱影像语义分割模型在农田防护林提取中的应用

农田防护林是农田生态系统的屏障,其健康状况的监测与评估在我国北方农田林网管理中尤为重要。本文以新疆生产建设兵团第三师51团为研究区,使用复合翼无人机CW-20搭载Micro MCA12 Snap多光谱相机获取农田防护林的多光谱影像,经辐射校正、裁剪等预处理,通过优选有效特征和模型比较,提出农田防护林提取的有效方法。首先,基于原始12波段,依据相关性系数矩阵和最佳指数因子（Optimum Index Factor,OIF）选取最优3波段和植被指数特征进行组合,构建8种农田防护林提取方案;然后,通过建立语义分割Deeplabv3+模型进行精度评价,得到最优3波段组合6（波长710 nm）、8（波长800 nm）、 11（波长900 nm）波段为最佳特征组合;最后,以最优3波段为基础,将Deeplabv3+模型与U-Net、ENVINet5模型进行对比分析。结果表明：Deeplabv3+模型能够更深层次的挖掘光谱中潜在的信息,相比其他模型,能够较好地处理正负样本不均衡问题,获得最高MIoU值85.54%,比U-Net、ENVINet5的MIoU值则分别高出21.21%、27.19%。该研究结果可为基于多光谱遥感影像的语义分割在农田防护林提取及健康状况监测的应用提供借鉴和参考。