青藏高原积雪对陆面过程热量输送的影响研究

利用1979-2016年中国区域长时间序列逐日雪深资料,分析了青藏高原积雪深度与积雪日数的分布及变化特征,并将积雪期划分为三个阶段(积累期、鼎盛期和消融期),结合ERA-Interim月平均再分析资料,分析了积雪与地表热状况(气温、地表和土壤温度)和能量输送量(地表净短波辐射、地表净长波辐射、感热通量、潜热通量、地表热通量和土壤热通量)的相关关系,初步探讨了积雪在高原陆面过程中的作用。结果表明:研究时间范围内青藏高原积雪(深度和日数)主要呈减少趋势,仅在黄河源区及高原边缘地区为增加趋势,积雪鼎盛阶段(1-2月)的减少趋势最显著;高原积雪对地表主要起降温作用,深层土壤温度对积雪的响应存在滞后性,积雪的减少抑制了土壤向上的热量输送进而不利于冻土的发育;高原积雪与地表感热和地表热通量主要呈现负相关关系,潜热通量与积雪也呈负相关特征但比感热通量的相关性小。由于ERA-Interim资料对高原积雪深度的描述与本研究使用的卫星遥感积雪深度存在较大偏差(包括空间分布、气候倾向率、年际变化以及绝对大小等),导致本研究中积雪与地表热状况和热通量的相关度不高,需要通过陆面模式模拟做进一步探讨。     

近区瞬变场的频率效应与大深度探测能力的研究

在时域中,磁源近区瞬变场的时间特性取决于场源所含低频谱的分数幂.对于磁感应强度Bz(t)∝∑iω3/2i,对于感应电势εz(t)∝∑iω5/2i.这表明,现有的瞬变电磁探测系统只适用于浅部勘查,对于大深度的勘查,需要研制超强能量且轻便化的场源(发送系统),同时完善超导磁强计(接收系统)的实用化.     

融合气象要素时空特征的深度学习水文模型

针对现有深度学习水文模型未能充分刻画气象要素空间特征的问题,本文基于主成分分析(PCA)方法提取气象要素空间特征,利用长短时记忆神经网络(LSTM)学习长时序过程规律,构建融合气象要素时空特性的深度学习水文模型PCA-LSTM。以黄河源区为研究区域,利用LSTM模型和物理水文模型THREW作为比对模型,基于高斯噪音法系统评估PCA-LSTM模型的适用性和鲁棒性。结果显示：PCA-LSTM模型径流模拟纳什效率系数为0.92,高于比对模型LSTM和THREW,表明模型具有较高的精度。研究结果可为流域高精度水文模拟提供参考。     

遥感影像分析在新增建设用地督察中的应用

以卫星影像大数据和时空数据挖掘技术为基础,采用深度学习框架支撑,构建了面向新增建设用地遥感监测应用需求的深度学习训练平台,可智能发现自然资源督察线索,全面提高自然资源督察问题的发现能力.该技术可广泛服务于大范围、高频次的督察工作,为督察工作提供更及时客观全面的信息基础和保障.     

基于深度学习的海温观测数据质量控制应用研究

基于国家海洋信息中心质量控制后的西太平洋10度方区约100万站次温盐实测历史调查资料,对经过26种严格质量控制方法的综合海温质量符进行分类分析,首次将深度学习技术应用于海洋数据质量控制多分类(multiclass classification)算法与应用研究.通过人工合成少数类样本和加权损失函数方法减少多数类的频率来降...     

角度域叠前深度偏移叠加算子优化

叠前深度偏移是解决精细复杂构造成像的一种最佳方法,尤其是基于角度域叠前深度偏移成像方法的研究,由于射线路径的唯一性,被认为是一种能够消除假象,解决射线多路径问题的最优化方法．文章从单程波波动方程出发,推导了中点 偏移距域双平方根波动方程波场延拓算子;利用局部偏移距与反射角的关系,推导了角度域共成像点道集的构建方法．同时,为有效解决叠前深度偏移计算量大、耗时长等计算瓶颈,引入OpenMpi并行策略,利用共享存储环境下的多线程协同作业,提高了叠前深度偏移算子的计算效率;在角度域,通过调整改进叠加算子,一定程度上减少了计算量,提高了计算效率．最后,通过理论模型验证了角度域叠前偏移成像算子的正确性,评价了并行算法的计算效率及有效性;并将其应用于SEG/EAGE岩丘模型,利用“沉降观测”理论得到了不同CMP的中点 偏移距域共成像点道集和角度域共成像点道集,对比分析了两种共成像点道集的优缺点;并通过限制成像叠加角度的方法,改善了复杂模型的成像结果,验证了角度域叠前深度偏移成像算法对复杂模型的适应性．     

基于双频高动态探地雷达技术的道路地下病害检测研究

探地雷达(Ground Penetrating Radar, GPR)以其快速、无损和高分辨率等优势已被广泛应用于道路地下病害体的排查应用.针对传统时域单主频天线GPR在勘探深度和分辨率上的局限性,本文提出了一种基于双主频高动态GPR检测系统的道路地下病害检测方法,通过二维正演,模拟道路地下典型病害体的电磁响应,获得病害体的典型GPR特征图谱,为实际病害的客观判读和科学解译提供理论依据.并以某区道路地下病害的实测GPR数据为例,给出了双主频高动态GPR采集的参数设置及数据分析流程.钻探验证结果表明,高频回波信号对浅部薄层具有较高分辨率,能较清晰地识别3 m以上浅部病害体,低频回波信号具有较高信噪比,能有效识别3 m以下深部病害体,兼顾了探测深度和纵向分辨率的双主频GPR检测系统,能较好地识别地下病害类型、位置、埋深及影响范围,可为城市道路病害排查与防治提供技术支持.     

基于深度卷积神经网络的频高图分类研究

本文提出了一种利用深度卷积神经网络的频高图分类方法,在频高图分类标记的基础上,通过对深度学习经典网络结构的网络层迁移的方式,构建频高图类型识别网络模型,实现基于传播模式分布的频高图自动分类.利用试验获取的大量频高图数据,依据频高图中电离层传播模式分布情况,结合频高图度量基本规则,人工对频高图数据分类标记,生成网络模型样本数据;然后以随机方式,选取样本数据85%的数据作为训练数据,其余数据作为测试数据;经验证训练后的网络模型能够将测试频高图数据自动分为七种类型,频高图类型识别综合准确率高于97%.该方法可为频高图特征参数的自动、精确提取提供重要技术和高质量数据支撑,对电离层结构信息有效获取具有重要意义.     

滇中地区的岩石圈结构及其动力学意义

虽然地球化学和地质学的研究确信峨眉山大火成岩省的形成与二叠纪地幔柱活动有关,但从二叠纪至今,峨眉山大火成岩省所在的华南板块至少向北漂移了3000 km,以致大火成岩省与地幔柱的空间位置不再对应．本研究使用川滇地区75个宽频固定台记录的远震事件计算P、S波接收函数,并利用参考地球模型把单个接收函数从时间域变换到深度域,最后从叠加道上读取地壳厚度和岩石圈厚度．结果表明,Moho面深度从云南南部的33 km向北逐渐增厚,在青藏高原东部可达约66km,滇中地区地壳厚度变化剧烈,在攀枝花附近明显增厚．在金沙江—红河断裂西侧的印支块体下方,岩石圈厚度仅为70～80km,但在滇中地区从约70 km变化约到120 km,最薄处发生于攀枝花附近,仅约为70 km．另外,滇中地区部分台站的S波接收函数显示Moho面的Sp转换相一致性较差,而P波接收函数则表明在Moho面附近存在一个正极性的转换界面．综合已有的研究结果,我们推测Moho面附近这一正极性界面是地幔柱岩浆底侵的结果．     

基于注意力约束深度生成网络的测井电成像空白条带填充

电成像测井是储层测井评价的一种有效技术手段．但由于电成像测井仪器极板的尺寸与井径不能完全匹配,极板对井周的覆盖率无法达到100%,导致测得的图像存在空白条带,影响地质信息的精确解释．为提高测井资料解释精度,有必要对这些空白条带进行填充．传统的测井电成像空白条带填充方法由于只能获取图像的浅层特征,能较好地修复结构简单的砂泥岩图像,但对砂砾岩、碳酸盐岩等结构复杂的成像图则修复效果不佳．深度学习方法具有强大感知能力,能够捕获图像的深层特征,因此本文采用深度生成网络对测井电成像图像空白条带进行填充．首先,为使深度生成网络提取对空白填充更为重要的特征,将注意力机制引入网络,其中通道注意力机制通过对不同通道的特征加权生成通道注意力权重向量,以增加重要特征的权重,而空间注意力机制利用特征图的内部空间关系生成空间注意力权重向量精确定位重要信息的位置,实现对重点信息的关注．其次,改变常规卷积神经网络中卷积的方式,通过引入变形卷积以提高网络对复杂图像几何变换的建模能力,更好地拟合图像的轮廓细节信息．在砂砾岩地层测井电成像图像的填充实验中表明,引入注意力机制后,所填充空白条带区域与整体图像的上下文内容更为一...