南通地区暴雪的天气条件对比分析

通过对20世纪50年代以来南通地区的四次暴雪过程的分析，试从环流形势的配置、强度及物理量场特征上，找出具有共性的暴雪的指标，以供预报参考。     

青藏高原冬季积雪异常对东,南亚夏季风影响的初步数值模拟研究

利用一个耦合了简化的简单生物圈模式的大气环流谱模式（ＳＳｉＢ－ＧＣＭ），初步探讨了青藏高原冬季积雪异常对东、南亚夏季季风环流和降水的影响及其机理。结果表明，高原地区积雪增加将使随后地夏季东、南来季风明显减弱，主要表现为东、南亚季风区降水减少，索马里急流、印度季风的印度西南气流弱弱。另外，还提出欧亚大陆雪盖与整个高原雪盖和高原东部雪盖对东、南亚夏季风影响的敏感问题。与欧亚大陆雪盖相比，高原雪盖是影响     

阿尔山地区积雪变化特征

选取阿尔山气象站1981—2015年冷季(10月—次年4月)气象资料,利用滑动平均、线性倾向估计和Mann-Kendall等方法,对年最大积雪深度、积雪日数、气温和降水量进行分析。结果表明,阿尔山地区年最大积雪深度主要发生在1月至3月,其中2月份概率最大,达50%;34 a内最大积雪深度呈上升趋势(2.77 cm/10a),年平均增加0.98%,且年最大积雪深度在1998年发生了突变,即在1998年之前增长缓慢,在2000年以后上升趋势显著。积雪日数的统计分析表明,初始积雪日数和有效积雪日数呈现略微减少趋势,而稳定积雪日数有微弱的增加趋势;通常初始积雪日数比有效积雪日数大30天左右。年最大积雪深度与稳定积雪时期的降水量、积雪日数、日照时数有显著的相关性,相关系数分别为0.647、0.515、0.584,但与稳定积雪时期的气温没有明显的相关性。在全球变暖的大环境下,积雪深度随着降水量和日照时数的增加而增加,且积雪深度受降水量的影响大于日照时数的影响。     

汶川地震灾后农田和森林植被恢复遥感监测

2008年汶川8.0级特大地震对当地的生态系统造成了极大的破坏,为了评估5年来灾区农田和森林植被的恢复情况,利用逐年机载高分辨率遥感影像,结合星载遥感数据和地面调查数据,开展了灾区农林植被恢复状况监测。在农田恢复监测方面,结合2008年地震发生后以及2013年5月中旬的机载高分辨率遥感数据,采用目视解译的方式对汶川地震中受损农田的恢复状况进行监测与评估,同时利用GVG(GPS、Video和GIS)农情采样系统的作物种植成数调查结果,分析了灾后作物种植结构的变化。结果表明,灾区1592 ha受损农田,5年后仅有约17.5%得到了恢复和耕种使用。就耕地利用强度而言,重灾区耕地利用率较高,作物种植结构没有发生重大变化。在森林恢复状况监测方面,对典型区(岷江干旱河谷区和盆周山地区的3个重点区域)采用目视解译方式识别出森林变化,并结合大区域尺度规一化植被指数(NDVI)时间序列变化分析,对整个灾区的森林损毁和恢复情况做出评价。监测结果显示,汶川县、什邡市和绵竹市的森林植被恢复情况总体较好,但是一些坡度较大的损毁区、次生灾害频发区的森林尚未恢复,大区域尺度的统计结果显示,地震重灾区的46381 ha重度损毁森林植被和177025 ha中度损毁森林植被区域,完全恢复的区域占13.52%和25.84%,部分恢复的区域都占到50%。在自然恢复较为困难的区域,如汶川县中部和东北部、都江堰市北部、彭州市北部、什邡市北部、绵竹市北部、安县北部及北川县南部等,需要加强人工干预。遥感监测方法既适用于震后的农田和森林恢复状况动态监测,也适用于其他自然灾害发生时对灾区农田和森林植被破坏状况进行应急监测,具有实际应用价值和良好的发展前景。     

改进Faster R-CNN的遥感图像多尺度飞机目标检测

为了提高遥感图像中多尺度飞机目标的检测精度,本文提出一种基于改进Faster R-CNN的遥感图像飞机目标检测方法。该方法借助多层级融合结构,将深层次的语义特征与浅层次的细节特征相结合,生成多种尺度的既具有精确的位置信息又具有深层次的语义特征的特征图;再借助Faster R-CNN的多尺度RPN (Region Proposal Network)机制,通过对RPN中候选区域尺度的修正,从而提高遥感图像中多尺度飞机目标的定位精度;最后利用Faster R-CNN的分类回归网络,得到飞机目标检测结果。在高分辨率遥感图像中进行了实验,对3种特征提取网络ZF、VGG-16以及ResNet-50进行改进,改进后的精度分别提高了11.34%、9.87%以及1.66%,并且生成的检测框更加贴合飞机目标。实验结果表明,本文方法适用于遥感图像多尺度飞机目标检测,在提高目标定位精度的同时降低了目标漏检现象。     

基于遥感影像的青海省环境变化监测

本文通过对遥感影像的分析,针对土地利用及植被变化情况,利用优化的K-means算法对青海省环境变化进行检测,以此对土地的利用进行合理的规划,以期实现可持续发展。同时将试验结果与外业实际结果及当地政策规划进行比对,结果显示文中算法对土地的变化和未来走势预测准确率超过75%,从而验证了监测方法的可行性。这不仅保证了在经济发展的同时能够合理地使用土地资源,而且能对环境进行有效的保护。     

遥感蚀变信息检测中背景与干扰问题研究

在不同自然景观区的遥感蚀变信息检测中,背景与干扰是2个复杂而又容易混淆的研究对象。本文结合光谱混合模型理论与随机变量概率分布相关理论,深入分析了遥感数据的光谱空间几何结构特征(重点剖析二维散点图),系统研究了背景与干扰的关系、复杂度以及干扰地物类型的划分等问题。这些问题的探讨为遥感蚀变信息检测的最佳方案设计和蚀变信息潜在性评价与准确提取提供了技术思路。     

全极化SAR数据在地表覆盖/利用监测中的应用

SIR-C/X-SAR是运行在地球轨道上的第一个多波段(L、C、X)全极化(HH、VV、VH和HV)成像雷达系统,该系统具有极化测量和干涉测量功能。全极化雷达测量每一个像元的全散射矩阵,所获取的信息非常丰富。但是,由于这些极化合成图像具有较高的相关性,导致了图像信息提取精度的降低。本文基于新疆和田地区的SIR-CL波段全极化雷达数据,利用全散射矩阵的特点合成了HH-VV极化相关图像、极化度图像、目标增强图像和相位差图像。这些图像相关性小,地表覆盖信息丰富,提高了全极化SAR数据在实验区信息提取的准确度。     

复杂环境下地基SAR粗差探测及应用

雷达视线受施工机械等的间断遮挡导致部分影像产生相位奇异值,从而造成解缠错误及误差传递,简单的相关影像处理难以识别受遮挡影像。本文提出了改进的基于小波变换的信号奇异性检测方法,通过对地基SAR PS点时序相位特征进行分析,将遮挡影像识别转化为粗差探测问题;由PS点相位序列与影像位置关系,根据测区PS点相位序列的奇异点集合得到受遮挡影像集;最后将受遮挡影像剔除后得到的地基SAR监测结果与精密全站仪、水准与游标卡尺数据进行对比分析。结果表明：本文提出的方法用于受遮挡影像的识别是可行的,解决了地基SAR在实际工程应用中可能存在的影像遮挡带来的测量数据含有粗差的问题,提高了监测区域伪影像检测的效率与准确性。     

基于卷积神经网的CCTV视频中排水管道缺陷的智能检测

作为地下空间信息测绘工作的一个重要部分,基于排水管道内部测绘信息的管道缺陷检测越来越受到人们的重视。CCTV技术是一种广泛使用的排水管道内部测绘与缺陷检测技术。近些年基于卷积神经网的人工智能技术在图像识别中取得了巨大成功,受此启发,提出了一种基于卷积神经网络的排水管道缺陷的检测方法,以提高CCTV视频中的管道缺陷检测的自动化和智能化。试验证明了该方法的有效性,其在缺陷识别的准确率和召回率及识别速度上均满足了排水管道缺陷智能检测的需要;同时该方法也已经在深圳市的排水管道检测中得到广泛的应用。