基于改进U-Net网络的遥感图像云检测

为了解决U-Net模型应用于云检测时对碎云和薄云存在漏检的问题,本文提出了一种改进的U-Net网络模型,并应用于FY-4A数据进行云检测。首先,利用国家气象卫星中心提供的云检测产品生成二分类云标签;其次,将U-Net模型的编码器与残差模块相结合,使得网络参数共享,并避免深层网络的退化问题;最后,在解码器中融入密集连接模块,将浅层特征与深层特征进行连接,便于获取新的特征,并提高特征使用率。试验结果表明,模型在测试集上的IOU值和Dice系数分别为91.5%和95.2%,可以很好地检测出薄云及大量碎云,效果明显优于U-Net模型。     

基于深度残差网络的水下通信调制信号分类

在无线通信中,调制分类是非协作通信的重要组成部分,很难使用常规方法同时兼顾识别准确率和低复杂度对各种调制方案进行高效分类。深度学习方法用来处理这个问题,可以取得良好的效果。在水声通信的环境下,由于通信环境的特殊性,导致信号的调制分类比陆地通信更加困难。创新采用了深度学习网络的改造残差结构形式来区分多种水声通信中的各种常用调制方法,通过合理地选用深度残差网络的超参数,有效克服了模型过拟合问题,取得了良好识别效果。     

基于双注意力残差网络的高分遥感影像道路提取模型

高分辨率遥感影像中,道路光谱信息丰富,且空间几何结构更清晰。但是,基于高分遥感影像的道路提取面临道路尺寸变化大、容易受树木、建筑物及阴影遮挡等因素影响,导致提取结果不完整。此外,高分遥感影像中同物异谱和异物同谱现象较为严重,从而影响道路提取结果连续性及细小道路信息完整性,而且难以区分道路和非道路不透水层。因此,本文提出基于双注意力残差网络的道路提取模型DARNet,利用深度编码网络,获取细粒度高阶语义信息,增强网络对细小道路的提取能力,通过嵌入串联式通道-空间双重注意力模块,获取道路特征图逐通道的全局语义信息,实现道路特征的高效表达及多尺度道路信息的深层融合,增强阴影和遮挡环境下网络模型的鲁棒性,改善道路提取细节缺失现象,实现复杂环境下高效、准确的道路自动化提取。本文在3个实验数据集对DARNet和DLinkNet、DeepLabV3+等5个对比模型进行对比试验和定量评估,结果表明,本文DARNet模型的F1分别为77.92%、67.88%和80.37%,高于对比模型。此外,定性比较表明,本文提出模型可以有效克服由于物体阴影、遮挡和高分影像光谱变化导致道路提取不准确与不完整问题,改善细...     

溧阳地震台体应变观测数据质量分析

对溧阳地震台体应变观测资料变化形态、观测质量和观测精度、潮汐因子中误差、地震波记录能力等参数进行分析,采用固体潮汐残差矢量分析方法进行分析,对该台2010—2015年观测资料进行分析,发现体应变能记录到全球不同地区、不同震级的同震波,波形清晰,为分析预报人员进行地震研究提供依据。     

一阶Rytov近似有限频走时层析

传统的波动方程走时核函数(或走时Fréchet导数)多基于互相关时差测量方式及地震波场的一阶Born近似导出,其成立条件非常苛刻.然而,地震波走时与大尺度的速度结构具有良好的线性关系,对于小角度的前向散射波场,Rytov近似优于Born近似.因此,本文基于Rytov近似和互相关时差测量方式,导出了基于Rytov近似的有限频走时敏感度核函数的两种等价形式:频率积分和时间积分表达式.在此基础之上,本文提出了一种隐式矩阵向量乘方法,可以直接计算Hessian矩阵或者核函数与向量的乘积,而无需显式计算和存储核函数及Hessian矩阵.基于隐式矩阵向量乘方法,本文利用共轭梯度法求解法方程实现了一种高效的Gauss-Newton反演算法求解走时层析反问题.与传统的敏感度核函数反演方法相比,本文方法在每次迭代过程中,无需显式计算和存储核函数,极大降低了存储需求.与基于Born近似的伴随状态方法走时层析相比,本文方法具有准二阶的收敛速度,且适用范围更广.数值试验证明了本文方法的有效性.     

大地电磁、重力、磁法和地震初至波走时的交叉梯度二维联合反演研究

为了准确的探测和描绘地下复杂的地质结构,同时克服地球物理单一方法反演的多解性和单一参数反演模型的不一致性等问题,近年来基于交叉梯度联合反演的综合地球物理解释已经得到了广泛的关注和应用.本文首先研究了两种地球物理方法的交叉梯度联合反演算法,在此基础上,推导并实现了多种地球物理方法(大地电磁,重力,磁法,地震初至波走时)的多交叉梯度约束的二维联合反演算法;其次,我们设计了结构不一致模型和复杂模型,针对多物性联合反演算法的准确性和有效性进行了模拟试算,并对复杂模型的单独反演结果和联合反演结果进行了交叉梯度值和物性交会图的对比;最后,本文将成熟的卫星资料多光谱综合分析技术应用到联合反演中,将多物性参数反演模型结果图通过RGB(红-绿-蓝)模式进行合成,得到融合的RGB合成图.结果表明:通过对结构不一致模型和复杂模型的联合反演结果和单独反演结果的对比分析,可以得出联合反演得到的结果更接近真实模型,并从得到的交叉梯度值进一步证明了联合反演模型相似度高,也从物性交会图中得到联合反演的物性相关性更好的结论,反向证明了算法的正确性.最终从得到的RGB合成图像,我们可以更直观的分析反演结果,更有利于准确划分地下模型结构.     

首都圈地区Pb震相典型特征与康拉德界面研究

Pb震相是近震震相中的一个重要震相.关于Pb震相典型特征的总结和分析,对指导区域台网工作人员如何识别该震相,丰富台网观测报告震相产出,提高地震定位精度和确定康拉德界面等相关研究具有重要意义.但由于识别困难,国内很少有系统进行有关Pb震相的识别和研究工作.本研究采用首都圈地区高密度台网2009-2015年记录到的369个ML≥2.5地震事件的波形资料,重新分析震相并识别出1153条Pb震相.基于震相资料,利用时频分析、多项式拟合、射线分析、最小二乘法、联合反演、理论走时计算等方法进行研究,并在结合前人研究结果的基础上,我们得出:在首都圈及邻区,在肉眼可识别时频域内的特征来看,通常容易识别的Pb的振幅或频率高频部分相对比初至Pn和Pg大或高,也有振幅变小或者频率变化不明显的情况,这可能与震源机制、台站方位、场地响应、仪器类型等方面有关.时频分析、功率谱密度和肉眼识别分析的结果表明,P波的主要能量集中在相对低频部分,Pn,Pb,Pg,PmP四种震相(本研究以后提到的震相顺序只考虑这四种震相)有很强的共性,区别在于传播路径上的不同,频率或观测记录周期上的小幅度差别.在Pg作为初至波时,Pb震相的低频主频部分与Pg震相的低频主频部分带宽差不多(受到包含Pg震相的影响),但是高频主频部分频率更高,Pb到时在Pg之后,PmP之前.Pn作为初至波时,Pn震相低频主频部分带宽比Pb宽,但是Pb高频主频部分频率相对更高,Pb在Pn之后,在Pg之前.鉴于震源深度对Pb到时顺序的影响,及其在定位结果中精确度最差的情况,在震中距约在80~140km范围内时,得考虑区域地壳厚度横向不均匀、震中距、震源深度等情况并结合波形特征,来判定Pb是否为初至震相.Pb震相在康拉德界面的平均传播速度约为7.0km·s^-1,康拉德界面平均深度约为23km.Pb射线的分布情况直接证明了康拉德界面在首都圈地区的分布是连续的.基于本研究利用Pg,Pb,Pn,PmP震相走时联合反演所得模型计算的理论走时结果和实际观测结果一致进一步证明了我们结果的可靠性.     

多步法快速射线追踪与圆台型高精度走时外插计算

为更好地适应复杂构造的地震偏移成像,本文提出了一套快速射线追踪算法和一种高精度的走时外插计算方法.采用线性多步法的预测-校正公式求解射线追踪方程组,与传统的四阶Runge-Kutta法相比,提高了计算效率.在网格节点上的走时计算中,应用一种基于圆台的外插方法,该方法以射线的方向为轴确定圆台,将轴上的走时外插到圆台内的网格节点上.与传统的矩形体外插方法相比,圆台走时外插方法提高了计算精度,且具有更好的稳定性.另外,该方法利用稀疏分布的射线即可获得高精度的走时表,节省计算量,对复杂构造的偏移成像非常有利,尤其是三维偏移.最后通过逆散射偏移成像算例,验证了算法的有效性和适用性.     

一种新的预条件伴随状态法初至波走时层析

伴随状态法初至波走时层析是基于最优化理论的一种层析成像方法,该方法不必进行射线追踪,用两次正演的计算量便可以获得梯度,具有计算效率高、内存占用小等优点,但是其一阶方向在初始模型或观测孔径不理想的情况下往往无法获得正确的反演结果,而二阶方向的实现又比较困难且费时.在伴随状态法的基础上,将走时差替换为定值,再次进行反演,便可以得到类似于射线密度的矩阵,用该矩阵的逆可以方便地进行预条件.基于该方法,本文提出了一种简单易行的预条件伴随状态法初至波走时层析的实现方法.理论模型和实际资料处理结果都表明,该方法既保留了伴随状态法初至波走时层析的优点,又可以克服一阶方向的局限,获得良好的反演效果.     

两次强震发生前后主动源观测走时数据的变化

利用祁连山主动源连续激发台站记录资料,通过不同时间段的多次激发数据叠加处理,可以获取各个地震台的Pg和Sg震相走时变化数据.对震相走时变化数据分析发现,在2015年11月23日祁连5.3级和2016年1月21日门源6.4级地震发生前后震源区附近台站存在明显的震相走时变化,推测导致这种异常变化的原因是震源区的速度发生了改变.这一观测结果说明主动源方法可能成为地震预测的一种新途径.