星载微波散射计两种体制的比较

星载微波散射计可以提供全球、全天候、高精度、高分辨率和短周期的海面风场数据。根据雷达天线足印的形状,雷达散射计主要包括扇形波束体制与笔形波束体制两种形式。概述了两种体制微波散射计在设计结构及后期数据处理算法中的优缺点,并对两种不同体制散射计的系统仿真数据进行比较。分析结果表明:对于小型卫星平台,Ku波段的旋转扫描扇形波束散射计比笔形波束圆锥扫描散射计具有更优的风场反演性能。     

X2检验假设分布有效性的岩体工程应用

在工程地质问题中许多现象是不确定、且具有随机分布的特性，而这种随机分布特性往往可以采用某种形式的密度函数来描述。采用Ｘ２检验假设分布有效性是一个重要的方法，采用该法可以获得观测数据最佳拟合的概率模型，通过自编程序可以同时检验多种概率密度函数并选取最佳模型。本文将介绍这一方法，并通过一个实例加以说明。     

中国数字地震台网的接收函数及其非线性反演

利用中国数字台网（CDSN）记录的85个远震事件的宽频带P波波形数据和分离接收函数的最大或然性反褶方法,获得了CDSN台网10个台站不同方位的岩石层接收函数.利用这些台站不同方位的平均接收函数和非线性接收函数反演方法,获得了上述各台站下方100km深度范围内的岩石层S波速度结构.结果表明CDSN台网各台站下方的地壳厚度和岩石层速度结构存在明显的差别.其中,拉萨台下方的地壳厚度为66kin,壳幔界面较模糊,而余山台下方的地壳厚度为34km,壳慢界面两侧速度反差明显.刮用本文方法估计的地壳厚度与已有的结果基本一致,由于CDSN台网覆盖了中国大陆的各主要构造单元,本文的结果为研究中国大陆的岩石层S波速度结构及其横向变化提供了新的证据.     

储层预测技术在厄瓜多尔西海岸地区的应用

储层预测技术已成为岩性油气藏勘探中的一项常规技术.厄瓜多尔西海岸地区蕴含着丰富的石油和天然气资源,但整个地区勘探程度相对较低,使用宽带约束地震反演技术进行储层预测是非常必要的.选择瓜亚基尔工区,使用地震纯波数据进行储层预测研究.首先进行测井曲线标准化处理,利用阻抗-伽玛交汇图分析确定储层岩石地球物理特征,然后针对目的层进行稀疏脉冲反演和储层厚度的计算,最后对反演结果和储层平面分布特征进行分析,确定有利勘探目标.预测的砂岩厚度和已钻井实测的砂岩厚度之间的误差很小,吻合较好,从而证明了该技术的有效性.     

极化干涉SAR森林树高提取算法的对比分析

在对极化干涉SAR森林树高反演的DEM差值算法、相干相位-幅度综合反演算法进行分析的基础上,对基于极化干涉相干优化方法的改进算法进行了探讨。利用黑龙江大兴安岭地区的一对ALOS全极化干涉SAR数据进行实验,并对比分析各算法的反演结果。结果表明,在使用改进的算法进行森林树高反演时可以获取精度较高的反演结果,并且在一定程度上提高了森林树高反演的稳定性,为森林树高反演工作的业务化运行提供一定的依据。     

植被覆盖区土壤水分反演研究——以北京市为例

以北京市为研究区域,联合使用光学遥感数据和雷达数据,对植被覆盖区地表土壤水分进行反演研究。在利用同期光学数据提取出归一化水分指数(normalized differential water index,NDWI)之后,利用water-cloud模型去除植被层在土壤水分后向散射中的贡献,然后考虑到地表粗糙度,在构建后向散射数据库的基础上分别利用HH和HV极化方式的后向散射系数构建土壤水分反演模型,并对反演结果进行对比研究。结果表明,采用HH极化方式反演土壤水分的均方根误差为0.044,相对误差为15.5%;采用HV极化方式反演土壤水分的均方根误差为0.057,相对误差为20.3%;相比而言,HH极化的反演效果更好。     

融合先验物理信息的高精度智能可控源电磁反演算法

可控源电磁反演利用人工信号获取地下结构信息,为地质勘探和资源开发提供准确的数据支持。然而,传统电磁反演方法面临低分辨率的挑战,主要是由于简化处理和观测数据的限制,导致模型平滑、细节丢失,从而削弱了反演的准确性,影响了电磁勘探的效率。为了解决这一问题,本文提出将传统反演结果与响应数据同时作为深度网络的输入数据,为深度网络反演提供先验物理信息,并结合深度学习算法提升可控源电磁反演的计算效率。通过模型试验,对合成的电阻率模型分别进行了传统反演、智能反演以及融合先验物理信息的智能反演。结果表明,融合先验物理信息的智能反演能够更好地刻画异常体结构特征,有效提升反演效率,并且得到的电阻率参数更符合实际。最后,将该反演技术应用于金川铜镍矿床的可控源数据反演解释,取得了较为可靠的应用效果。     

基于水深分段选择因子的多光谱影像反演水深

岛礁周边海底地形精密测量是海洋测绘的难点问题之一,利用多光谱卫星能精确测定岛礁周边水深地形,是传统岛礁水深测量有效的补充方式之一。本文以蜈支洲岛周围水域为研究区域,提出了基于BP神经网络水深分段选取反演因子的方法,利用WorldView-2数据和多波束实测数据建立多模型,整合预测的各段水深获得海底地形。实验表明,本文方法能充分利用水体的光谱特性,与单一BP神经网络模型结果相比,MRE降低了6.4%,RMSE降低了1.2 m,是一种可行的多光谱水深反演的方法     

黄金带油田非均质储层特征及有利目标预测

为了加深对黄金带复杂断块油田进一步开发,针对该区断层复杂、储层变化大、油水关系复杂等特征,笔者综合运用岩心、分析化验及录井、测井资料,对其沉积特征、储层岩性、物性和非均质性进行详细研究。以JASON软件为平台,对含油砂体进行了追踪和预测,并在有利区提出井位部署,为该区的进一步开发提供了地质依据。     

基于地形单元分区的BP神经网络反演海底地形

海底地形和海洋重力场在一定波段频率域上存在相关性,传统海底地形反演方法主要考虑海底地形与重力数据之间的线性关系,而忽略非线性项作用对反演结果的影响。基于此,提出了基于海底地形单元分区的BP神经网络反演方法,改善海底地形反演精度。选取东印度洋北部东经90°海岭附近海域(83°E～92°E,10°S～10°N)为实验区,利用船测水深、卫星测高重力等数据,根据地形特征将实验区分为海盆区和海岭区,使用BP神经网络方法分别进行海底地形反演,构建了实验区1′×1′局部海底地形模型。结果表明,基于地形单元分区的反演结果模型平均相对误差精度可达1.45%,比未分区的反演结果均方根误差降低了42 m,验证了本文方法的有效性和可行性。