南海南部深水区低品质地震资料处理关键技术

中国南海南部深水区勘探前景广阔,但地震资料极其稀少且品质低。针对中国南海南部深水某区块原始地震资料采集于20世纪70年代、无导航文本、海底记录时间不确定、缺道严重及电缆短的品质限制,造成该区仅有的纸质成果剖面上多次波严重、信噪比低、地层构造形态模糊问题,探索出一套适合于工区地震资料处理的关键技术:采用导航重构技术解决无导航文本问题;采用自相关海底拾取技术解决海底记录不确定问题;采用限频F-K域插值技术解决缺道问题;采用组合法压制多次波技术解决因电缆短多次波难压制问题。最后处理效果表明关键技术的应用使该区地震资料处理取得了预期效果。这些技术成果不仅为我国南海南部深水的油气勘探提供较可靠的地震资料,同时为类似低品质地震资料的处理提供了可借鉴的思路和技术。     

基于两种插值算法的三维地质建模对比

三维地质建模过程中,插值算法对模型准确性具有显著影响。为评价不同插值算法对三维建模准确性的影响,本文选取反距离权重插值法和自然邻域插值法开展对比研究。通过理论分析和案例研究,从统计学原理、插值误差和可视化效果等三方面进行了对比分析。结果表明：反距离权重插值法在建模中精度较高,适应面更广。与自然邻域插值法相比,反距离权重插值法更加适用于地层缺失严重的层位,能够更好地保留地层缺失的特征;同时,反距离权重插值法能够更好地处理断层构造,对于地层的错断起伏情况表现效果更好;反距离权重插值法在沉积地层中误差更小,与实际情况更接近。     

SESTET: A spatially explicit stream temperature model based on equilibrium temperature

Stream-water temperature is a key variable controlling chemical, biological, and ecological processes in freshwater environments. Most models focus on a single river cross-section; however, temperature gradients along stretches and tributaries of a river network are crucial to assess ecohydrological features such as aquatic species suitability, growth and feeding rates, or disease transmission. We propose SESTET, a deterministic, spatially explicit stream temperature model for a whole river network, based on water and energy budgets at a reach scale and requiring only commonly available spatially distributed datasets, such as morphology and air temperature, as input. Heat exchange processes at the air–water interface are modelled via the widely used equilibrium temperature concept, whereas the effects of network structure are accounted for through advective heat fluxes. A case study was conducted on the prealpine Wigger river (Switzerland), where water temperatures have been measured in the period 2014–2018 at 11 spatially distributed locations. The results show the advantages of accounting for water and energy budgets at the reach scale for the entire river network, compared with simpler, lumped formulations. Because our approach fundamentally relies on spatially distributed air temperature fields, adequate spatial interpolation techniques that account for the effects of both elevation and thermal inversion in air temperature are key to a successful application of the model. SESTET allows the assessment of the magnitude of the various components of the heat budget at the reach scale and the derivation of reliable estimates of spatial gradients of mean daily stream temperatures for the whole catchment based on a limited number of conveniently located (viz., spanning the largest possible elevation range) measuring stations. Moreover, accounting for mixing processes and advective fluxes through the river network allows one to trust regionalized values of the parameters controlling the relationship between equilibrium and air temperature, a key feature to generalize the model to data-scarce catchments.     

MATHEMATICAL GEOLOGY

正20141850 Chen Dongyue(School of Earth Sciences and Resources,China University of Geosciences,Beijing 100083,China);Chen Jianping On 3D Ore Prospecting Modeling of Comprehensive Information for Huangshaping Polymetallic Deposit(Journal of Geology,ISSN1674-3636,CN32-1796/P,37(3),2013,p.489-495,12 illus.,12 refs.) Key words:polymetallic ores,data bases,Hunan Province     

基于ICESat/GLAS的山东省SRTM与ASTER GDEM高程精度评价与修正

SRTM3和ASTER GDEM V2数据具有较高的空间分辨率和广泛的覆盖范围,对于地学研究具有重要意义;但在不同地形复杂度和地面覆盖物区域,两类数据的误差分布并不均匀。SRTM3和ASTER GDEM V2数据自公布以来,其精度修正一直是研究热点。然而大范围区域精度验证缺乏有效手段,传统方法可靠性差且数据获取成本较高。自ICESat-1数据公开以来,它们已成为SRTM3和ASTER GDEM V2精度评定的主要检核点。为此,本文以山东省为研究区域,借助ICESat-1评估了SRTM3和ASTER GDEM V2的高程精度,并根据插值误差曲面对两种DEM进行了修正。分析表明,原始SRTM和ASTER高程中误差分别为5.57 m和7.20 m,均高于标称精度;随着坡度的增大,高程精度呈降低的趋势。通过分析土地覆盖类型与误差分布关系表明:农田、灌丛土地类型精度较高;森林、湿地精度较低。分别采用反距离加权、普通克里金、地形转栅格和自然邻域插值方法构建误差曲面。结果表明:不同的插值方法构建的误差曲面的特征和精度也不同。其中,反距离加权修正的效果最佳,其次是地形转栅格和自然邻域,而普通克里金修正的效果最差。     

基于机器学习的稀疏样本下的土壤有机质估算方法

采用GRNN（Generalized Regression Neural Network）和RF（Random Forest）2种机器学习方法构建土壤有机质预测模型,以提高稀疏样本情况下的土壤有机质估算精度。依据北京市大兴区农用地2007年的土壤有机质采样数据,按MMSD准则（Minimization of the Mean of the Shortest Distances）抽稀为8种不同采样密度的样本（分别为2703、1352、676、339、169、85、43、22个样本）,分别采用GRNN、RF和Ordinary kriging对各采样密度下的未知采样点进行预测,采用交叉检验的方式验证各采样密度下未知样点的预测精度。随着采样点密度的下降,样点间的空间自相关性逐渐减弱,半变异函数的拟和精度变差,预测点结果误差增大,预测的置信度降低。当抽稀到43个和22个采样点时,样点间的空间自相关性接近歼灭,半变异函数的决定系数较低且残差较大。普通克里格受到采样点数量和采样密度、样点的空间结构的影响比较明显,其预测精度随采样点数量的下降而下降。在85个采样点及以下时,其预测值与观测值之间没有显著的相关性。GRNN和RF的预测精度受采样密度的影响不大,其预测精度在一个较小的范围内波动,其预测值围绕观测值在一定阈值空间内震荡波动,具有较好的相关性,在85个及以下的采样密度时,预测精度相对普通克里格有较大的提升。普通克里格法不适合在稀疏样本条件下空间插值计算,尤其是在空间自相关性比较弱的情况下。机器学习模型能充分学习土壤间环境信息、样点空间邻近效应信息,兼顾属性相似性和空间自相关,具有更好的稳定性和适应性,不容易受到采样点数量、构型和采样密度等因素的影响,即使在采样点空间自相关性很弱的情况下也能做出稳定预测精度。     

基于RegEM算法的GPS坐标时间序列插值应用分析

将一种基于数据驱动的RegEM算法引入GPS坐标时间序列插值中,分别采用模拟不同比例连续缺失数据与实测含缺失数据,比较RegEM与拉格朗日方法、三次样条方法、正交多项式方法的插值效果与性能。结果表明,对于模拟不同比例连续缺失数据,RegEM算法插值效果均优于传统方法,且在大量数据连续缺失的情况下效果最优;对于实测含缺失数据,RegEM方法插值所得序列保留方差最大化效果最好,约为正交多项式方法的1.17倍、三次样条方法的1.38倍。     

铁岭县GPS控制网高程拟合精度分析

利用GPS技术测量点的平面位置可获得较高精度,但不能直接得到地面点的正常高,只能得到大地高。作者探讨了GPS高程拟合的精度与起算点的分布、整体拟合和分区拟合方法的选择、GPS高程拟合精度的分析等方法并提出了自己的见解,且通过铁岭县C级GPS网的高程拟合实例,介绍了该方法的具体应用。     

一种改进的高铁无砟轨道检测方法

无砟轨道的静态检测通常是沿着轨道线路对轨枕逐个检测,这样做虽然能够满足工程精度的需要但是工作效率较低。文中通过比较不同的插值方法的优缺点,最终选择通过三次样条插值对静态轨道检测的隔轨数据进行处理,并结合贵广高铁检测工程在采用不同的测量方案下,对高铁线路直线段和曲线段的插值结果进行分析。并且用内插后的轨检数据结果与连续测量后得到的轨检数据进行比较,得出不同条件下最有效、最准确的测量与数据处理的实施方案,工程实践证明,文中提出的检测与数据处理手段具有准确性和高效性。     

基于残余插值的卷积神经网络去马赛克算法

在去马赛克问题中,为了精确插值倾斜边缘并提高结果图像的整体质量,提出一种基于残余插值的卷积神经网络去马赛克算法.针对Bayer格式的颜色滤波阵列,插值绿色平面时,对于红蓝通道信息不全的问题,采用同通道邻近像素值近似代替,综合考虑3个通道的梯度,运用倾斜方向的边缘检测算子,将倾斜边缘分为不同方向的边缘分别插值.在插值完成后,利用深度卷积神经网络,进一步训练插值结果.在标准的IMAX数据集上,与目前流行的算法相比,本文算法视觉上更接近原图,具有更高的峰值信噪比和更短的运行时间.