利用高分辨率卫星影像进行地震损失评价所需的城市特征识别

高分辨率卫星影像已经在一些国家的民用领域得到应用。利用高分辨率卫星影像来收集地震损失评价所需要的各类城市信息不仅高效和有较好的时间分辨率，而且它可以减少以往所必需的大量的代价高昂且费力的城市调查。基于在印度城市台拉登所做的研究，讨论了如何利用高分辨率卫星影像进行城市特征识别的一些问题，同时也简单论述了利用GIS／RS软件综合所得的数据以便用于地震损失评价的方法。     

运用改进系统建模法对南海气象数据的建模研究

在系统建模理论的基础上,运用改进的动态数据建模方法,对南海气象数据中的温度进行建模并验证了模型的适用性.根据模型推导出格林函数、逆函数和自协方差函数等,并讨论了南海气象数据中温度模型的稳定性、可逆性和合理性.对系统的频率特性和谱函数进行分析讨论,并给出建模过程中的一些图像.根据模型的适用性检验发现,对所研究的气象数据而言,ARMA(4, 3)模型是最合适的,具有平稳可逆性.所有的建模和分析过程在MATLAB上实现.实验结果表明这种建模方案简便易行,能够快速准确地确定系统的合理模型.     

变形监测基准点的稳定性检验

基准点的稳定性评价，是变形观测数据处理时不可忽视的重要内容。该文对基准点构网和不构网2种情况时的数据处理方法进行了探讨。     

Establishment of apparent quantum yield and maximum ecosystem assimilation on Tibetan Plateau alpine meadow ecosystem

The alpine meadow is widely distributed on the Tibetan Plateau with an area of about 1.2×106kn2. Damxung County, located in the hinterland of the Tibetan Plateau, is the place covered with this typical vegetation. An open-path eddy covariance system was set up in Damxung rangeland station to measure the carbon flux of alpine meadow from July to October,2003. The continuous carbon flux data were used to analyze the relationship between net ecosystem carbon dioxide exchange (NEE) and photosynthetically active radiation (PAR), as well as the seasonal patterns of apparent quantum yield (α) and maximum ecosystem assimilation (Pmax).Results showed that the daytime NEE fitted fairly well with the PAR in a rectangular hyperbola function, with α declining in the order of peak growth period (0.0244 μmolCO2 · μmol-1pAR) ＞early growth period ＞ seed maturing period ＞ withering period (0.0098 μmolCO2 · μmol-1pAR).The Pmax did not change greatly during the first three periods, with an average of 0.433mgCO2· m-2· s-1, i.e. 9.829 μmolCO2· m-2· s-1. However, during the withering period, Pmax was only 0.35 mgCO2 · m-2 · s-1, i.e. 7.945 μmolCO2 · m-2 · s-1. Compared with other grassland ecosystems, the α of the Tibetan Plateau alpine meadow ecosystem was much lower.     

形变数字化观测曲线畸变与处理——兼论资料预处理中遇到的一些问题

数字化形变台站日常下载、处理直至管理数据,都应用《数字化通讯控制软件》、《形变前兆台站(网)数据处理系统》及《形变前兆数据库服务软件(台站版)》等三个软件交互进行,在实际使用过程中会遇到一些棘手的问题。本文结合我台的观测工作的实践,总结经验,以供台站同行共享。     

空间运动对象与时空数据类型研究

当前时空数据模型多以描述空间实体的离散变化为主。该文中对空间运动对象在抽象层次的无限连续空间、离散层次的有限离散空间上的数据类型进行分析和定义，将其分别划分为时间类型、空间类型和时态类型来研究，并提出支持空间运动对象的表示方法和操作方式。该方法既能表示空间实体的连续运动，也能表示其离散变化，为空间运动对象时空数据模型的建立奠定了基础。     

基于A- CGAN的深反射地震数据随机噪声压制方法研究

基于深度学习的地震数据噪声压制方法是当前地震数据去噪处理的重要方向。深度学习方法突破了传统滤波处理的局限,在对常规地震数据的噪声压制中表现出效率高、信噪分离效果好的特点。但针对深部弱有效反射数据,当前的深度学习方法特征提取能力有限,难以取得较好的去噪效果。笔者等结合深反射地震数据特点,针对当前深度学习噪声压制方法在特征提取及对数据集依赖上的局限,提出了基于注意力循环生成对抗网络(Attention Cycle- Consistent Generative Adversarial Networks,A- CGAN)的深反射地震数据随机噪声压制方法。借助循环一致生成对抗网络(Cycle- Consistent Generative Adversarial Networks,Cycle- GAN)的域映射思想,降低对数据集的要求。为了构建适用于深反射地震数据的去噪网络,从3个方面对Cycle- GAN进行改进：在Cycle- GAN的生成器（去噪器）中加入残差结构和注意力机制,用于加深网络深度和提高其特征提取能力;在Cycle- GAN的鉴别器中使用块判决,提高鉴别精度和准确度;在损失函数部分加入感知一致性损失函数,提升网络模型恢复纹理细节信息的能力。通过合成地震数据和实际深反射地震数据测试,验证了优化算法的有效性,体现了良好的应用价值。