一种改进的RFB Net遥感影像目标识别算法

针对高分辨率遥感影像场景复杂,现有的目标识别算法检测率较低且速度较慢的问题,提出了一种改进的RFB Net模型。算法在RFB Net模型的基础上构建特征金字塔网络,融合高层语义信息和低层特征信息,提高了网络识别能力。为验证该算法性能,以遥感影像中飞机目标为例进行了实验验证。以油罐和立交桥目标为例,对该算法的推广性进行了实验验证。结果表明,改进的RFB Net模型在遥感影像目标识别中精度较高、速度较快,且具有较好的推广性。     

深反射地震成像揭示的班公湖 怒江缝合带中段Moho断阶及其大地构造意义

揭示班公湖- 怒江(班怒)缝合带Moho(莫霍面)结构对于认识中特提斯洋壳俯冲和南羌塘坳陷成因具有重要地球动力学意义。基于横跨班怒缝合带的深反射地震数据(88°30′E),本文采用了中长波长静校正、噪声压制、优化叠加和叠前深度偏移(PSDM)等地震处理技术,获得了深度域地震反射偏移剖面、层速度场和高分辨率Moho结构。由深度域剖面显示,班怒缝合带Moho位于地表以下65～80 km,呈不连续北向抬升趋势,指示在拉萨地块与南羌塘地块之间存在岩石圈上地幔断阶,最大阶步可达15 km。综合分析缝合带两侧的Moho形态认为,这些断阶受南侧拉萨地体的岩石圈上地幔以19. 5°北倾俯冲与北侧南羌塘地块的上地壳抬升驱动,可能与深部存在局部熔融相关。班怒缝合带下的Moho结构表明,随着晚侏罗世—早白垩世中特提斯洋闭合,南羌塘地体由边缘海沉积向前陆盆地转换,形成南羌塘坳陷。     

南沙群岛海域混合层深度季节变化特征

基于南沙群岛海域综合科学考察11个航次的实测资料,研究了南沙群岛海域的混合层深度季节变化特征。研究结果表明,南沙群岛海域混合层深度存在明显的季节变化,并且与季风和海表热通量的变化密切相关。春季,风速较小且风向不稳定,海面得到的净热通量全年最大,上层水体层结稳定,混合层深度较小;夏季,南海西南季风盛行,上层为反气旋式环流,海面得到的净热通量减少,混合层呈加深的趋势;秋季,海面净热通量继续减少,混合层深度达到最大值;冬季,东北季风驱动下形成的上层气旋式环流引起深层冷水的上升,限制了混合层的加深。     

基于深度学习的CZ铁路康定—理塘段滑坡易发性评价

CZ铁路康定至理塘段地处青藏高原东部边缘,区域内地形地貌多变、地质构造复杂,滑坡灾害极其发育,严重威胁着CZ铁路康定至理塘段的规划建设和未来安全运行。因此,选取高程、坡向、平面曲率、剖面曲率、地形起伏度、地表切割度、地形湿度指数、归一化植被指数、岩性、距断层距离、距河流距离、距道路距离共计12个影响因子构建滑坡空间数据库,采用深度学习的卷积神经网络(convolutional neural network, CNN)模型进行滑坡易发性评价,根据易发性指数将研究区划分为极高易发区(13.76%)、高易发区(14.00%)、中易发区(15.86%)、低易发区(18.17%)、极低易发区(38.21%)5个等级,并与人工神经网络(artificial neural network, ANN)模型进行对比。结果表明,CNN模型的评价精度AUC(0.87)大于ANN(0.84)模型,且极高易发区的频率比值高于ANN模型,CNN模型在本研究区有着更高的预测能力;极高和高易发区主要分布在水系较为发育的地区,沿着雅砻江和其他河流两侧2 km范围内呈带状分布。滑坡易发性评价结果较好地反映了研究区滑坡灾害...     

基于地震属性约简的深度学习储层物性参数预测:以莺歌海盆地乐东区为例

储层物性参数作为描述储层特性、储层建模和流体模式的重要指标,其准确估算可以为储层预测提供有力参考依据,但传统储层物性参数反演方法无法兼顾反演精度及空间连续性。针对上述问题,本文引入地震属性作为深度学习算法输入,针对地震属性之间存在的信息冗余特征,利用随机森林-递归消除法对地震属性进行约简预处理,最终建立一种基于地震属性约简的储层物性参数预测方法。实际数据测试结果表明,地震属性约简的深度学习储层物性参数预测结果具有良好的精度及横向分辨率,证实本文方法的有效性。     

基于改进U-Net的建筑物集群识别研究

针对U-Net在高分影像建筑物提取中部分建筑物边缘特征易模糊或丢失的问题,提出一种对高分影像建筑物边缘增强,同时对U-Net部分卷积过程进行改进的优化的建筑物提取方法.首先利用域变化递归滤波的方式对建筑物边缘进行增强,将增强后影像输入U-Net神经网络中进行训练;其次为充分利用建筑物在高分影像上丰富的细节特征,尝试在原...     

北京市出租车OD流多尺度空间预测深度重力模型及其可解释性研究

准确预测城市内部OD流对于优化城市交通运行效率、提高资源利用率以及促进城市可持续性发展具有重要作用。现有研究大多基于单一尺度利用地理位置之间大量的历史流量来预测未来的流量,尚未有研究充分探究不同空间尺度下OD流预测可能存在的重要特征或建模精度差异等问题。本研究以北京市出租车轨迹为例,采用深度重力模型（Deep Gravity）对不同空间尺度下的轨迹OD流进行预测。同时,引入SHAP值（SHapley Additive exPlanations）揭示不同尺度下影响OD流预测建模的重要特征。结果表明：(1)相比于重力模型和辐射模型,街道尺度下深度重力模型的OD流预测精度最高（CPC值高达0.83）,且成功捕捉到了北京市早晚高峰时段的OD流网络整体结构,呈现出“环形散射状”特征;(2)在本研究所选各空间尺度下,对OD流预测精度影响最大的4个特征均为O、D点之间的出行距离,O、D点周围公司企业数量、餐饮服务数量以及购物服务数量;(3)同一特征对OD流预测模型的局部影响不同于全局,如科教文化和体育休闲类POI在全局尺度下对模型影响较小,但在局部尺度下却表现出极大的影响。     

邢台地震b值的深度变化特征分析

对1966~1984年邢台地震目录进行了整理,应用基于MATLAB的Z-MAP软件分析了地震目录的完整性,将目录划分为地震活跃时段、地震活动过渡时段、地震活动相对稳定时段。主要分析了各时段地震深度b值、沿断层深度剖面扫描b值,根据深度b值变化对邢台地震演化特点进行了分析。     

基于多层次感知网络的GF-2遥感影像建筑物提取

高分辨率遥感影像建筑物提取任务在城市规划、城镇化进程等领域发挥着重要作用.针对现有的深度学习提取方法存在浅层特征未得到有效利用、小目标信息容易丢失等问题,提出了一种多层次感知网络.该网络利用密集连接机制充分提取特征信息,并构建平行结构保留不同特征分辨率的空间信息,增强不同深度、尺度特征信息,减少细节特征的丢失;同时利用...     

基于深度学习和台阵策略的震相自动拾取方法APP++及其在川滇地区的应用

在APP方法的基础上,使用U-net++模型,提出了进一步的改进算法APP++用于台阵下的震相到时自动拾取,测试结果显示,APP++模型在具有和APP相当的拾取能力的同时,还能够更好地避免误识别,且具有跨区域泛化能力;将该方法用于川滇地区的固定台网和流动台阵上,扫描了2014—2019年6年的连续数据,检测到了7329...