Sentinel-2卫星落叶松林龄信息反演

林龄结构信息能够有效反映区域森林群落不同生长阶段的固碳能力,对于评估森林生态系统的健康状况具有重要意义。本研究以中国温带典型优势树种落叶松林为研究对象,分别选择其芽萌动期、展叶期和落叶期时段的Sentinel-2影像,采用多元线性回归（MLR）、随机森林（RF）、支持向量机回归（SVR）、前馈反向传播神经网络（BP）以及多元自适应回归样条（MARS）等5种方法依次构建落叶松林龄反演模型。通过相关性分析首先确定最佳遥感反演物候期,并在此基础上根据相关性差异筛选出5个最优特征变量用于模型反演,分别为冠层含水量（CWC）,归一化水体指数（NDWI）,叶面积指数（LAI）,光合有效辐射吸收率（FAPAR）和植被覆盖度（FVC）。研究结果表明,展叶期为落叶松林最佳遥感反演物候期。除植被衰减指数（PSRI）以及落叶期的NDVI、RVI外,落叶松林龄与各指标之间均呈负相关关系,其中与冠层含水量（CWC）的相关性最高,pearson相关系数达到-0.74（p<0.01）。此外,不同模型反演结果表明,随机森林模型（RF）为最佳落叶松林龄估测模型,其平均决定系数R²和平均均方根误差RMSE分别为0.89和2.91 a;多元线性回归模型（MLR）的林龄估测结果最差,其平均决定系数R²和平均均方根误差RMSE仅为0.57和5.69 a,非线性模型能更好的解释林龄与建模变量之间的关系。     

Detecting patterns of climate change in long-term forecasts of marine environmental parameters

ABSTRACT

Forecasting environmental parameters in the distant future requires complex modelling and large computational resources. Due to the sensitivity and complexity of forecast models, long-term parameter forecasts (e.g. up to 2100) are uncommon and only produced by a few organisations, in heterogeneous formats and based on different assumptions of greenhouse gases emissions. However, data mining techniques can be used to coerce the data to a uniform time and spatial representation, which facilitates their use in many applications. In this paper, streams of big data coming from AquaMaps and NASA collections of 126 long-term forecasts of nine types of environmental parameters are processed through a cloud computing platform in order to (i) standardise and harmonise the data representations, (ii) produce intermediate scenarios and new informative parameters, and (iii) align all sets on a common time and spatial resolution. Time series cross-correlation applied to these aligned datasets reveals patterns of climate change and similarities between parameter trends in 10 marine areas. Our results highlight that (i) the Mediterranean Sea may have a standalone ‘response’ to climate change with respect to other areas, (ii) the Poles are most representative of global forecasted change, and (iii) the trends are generally alarming for most oceans.     

电离层高阶项改正对参考框架实现及测站坐标的影响分析

根据电离层高阶项改正模型,确定了高阶项延迟对不同GPS观测量的影响量。根据IERS协议2010推荐的最新模型,对全球均匀分布的104个IGS基准站数据进行了重新处理,研究了电离层高阶项延迟(二、三阶项)对坐标参考框架实现及测站坐标的影响,量化了不同地磁模型下的高阶项改正影响变化。结果表明,电离层延迟高阶项改正对参考框架原点有较大影响,犣方向的平移可达20mm,犡、犢方向的平移所受的影响相对较小,大部分维持在5mm以下;电离层高阶项延迟会引起测站坐标变化的区域性偏移现象;地磁模型的不同会导致参考框架原点犣方向有着约10mm的变化,在局部区域也会引起显著的测站坐标变化差异。最后对电离层高阶项改正的影响结果进行了分析与讨论。     

数字相机在类似棋盘检校场中的检校方法研究

针对众多非量测单相机的检校方法,通过分析数码相机的误差来源,并考虑相机的内、外方位元素和物镜光学畸变等因素引起的误差,提出一种基于类似棋盘检校场的数字相机检校方法。利用共线方程和二维DLT之间的关系导出了由二维DLT的9个参数表达的主纵线方程,构建同形矩阵,通过不同摄站拍摄目标的多幅影像,求得内、外方位元素的初始值,并由多张影像的空间后方交会求出相机需要检校参数,再由假设检验来检验相机系统参数的显著性。经实例分析表明,利用改进后的方法求解参数的精度满足实际需求,且效率更高。     

空基GPS遥感地球大气参数方法研究

探讨了空基无线电掩星技术应用于遥感地球大气参数方法，并将该方法编制成资料处理软件。对实测资料进行处理和分析后，给出了地球大气参数反演结果。发现指数函数外推法引入数据处理后大大改进了大气温度的归算结果，而对气压归算的影响却很小。比对结果显示我们的遥感结果同国外有关结果基本相符。     

BHαBAR: big Hα kinematical sample of barred spiral galaxies – I. Fabry–Perot observations of 21 galaxies

We present the Hα gas kinematics of 21 representative barred spiral galaxies belonging to the BHαBAR sample. The galaxies were observed with FaNTOmM, a Fabry–Perot integral-field spectrometer, on three different telescopes. The three-dimensional data cubes were processed through a robust pipeline with the aim of providing the most homogeneous and accurate data set possible useful for further analysis. The data cubes were spatially binned to a constant signal-to-noise ratio, typically around 7. Maps of the monochromatic Hα emission line and of the velocity field were generated and the kinematical parameters were derived for the whole sample using tilted-ring models. The photometrical and kinematical parameters (position angle of the major axis, inclination, systemic velocity and kinematical centre) are in relative good agreement, except perhaps for the later-type spirals.     

基于Stacking集成学习的恒星/星系分类研究

机器学习在当今诸多领域已经取得了巨大的成功,但是机器学习的预测效果往往依赖于具体问题.集成学习通过综合多个基分类器来预测结果,因此,其适应各种场景的能力较强,分类准确率较高.基于斯隆数字巡天(Sloan Digital Sky Survey,SDSS)计划恒星/星系中最暗源星等集分类正确率低的问题,提出一种基于Stacking集成学习的恒星/星系分类算法.从SDSS-DR7(SDSS Data Release 7)中获取完整的测光数据集,并根据星等值划分为亮源星等集、暗源星等集和最暗源星等集.仅针对分类较为复杂且困难的最暗源星等集展开分类研究.首先,对最暗源星等集使用10折嵌套交叉验证,然后使用支持向量机(Support Vector Machine,SVM)、随机森林(Random Forest,RF)、XGBoost(eXtreme Gradient Boosting)等算法建立基分类器模型;使用梯度提升树(Gradient Boosting Decision Tree,GBDT)作为元分类器模型.最后,使用基于星系的分类正确率等指标,与功能树(Function Tree,FT)、SVM、RF、GBDT、XGBoost、堆叠降噪自编码(Stacked Denoising AutoEncoders,SDAE)、深度置信网络(Deep Belief Network,DBN)、深度感知决策树(Deep Perception Decision Tree,DPDT)等模型进行分类结果对比分析.实验结果表明,Stacking集成学习模型在最暗源星等集分类中要比FT算法的星系分类正确率提高了将近10%.同其他传统的机器学习算法、较强的提升算法、深度学习算法相比,Stacking集成学习模型也有较大的提升.     

养殖水体环境参数随潮汐变化特征及相关性分析——以湛江特呈岛东近岸海域为例

利用2018年4-5月在湛江特呈岛东边海域养殖区内测定的数据,以及海事服务网提供的潮汐数据,分析了研究区域潮汐、流速和流向的变化规律,研究了溶解氧(Dissolved Oxygen,DO)、化学需氧量CODMn(Chemical Oxygen Demand)、二氧化碳CO2浓度和pH等海水环境参数随潮汐变化的特征以及相关性,建立了分别利用DO和pH值来估算海水CO2浓度的新算法,平均估算精度分别达到90%和95%。分析结果表明:(1)研究区域呈现不规则半日潮,流速随潮汐变化分为正相关和负相关两种类型;流向随着潮汐变化基本是东南与西北向;(2) CODMn的变化完全取决于涨落潮过程,涨潮时CODMn值逐渐下降,而落潮过程CODMn值逐渐上升;(3) CO2浓度呈现出明显的日变化,在午后数值达到最低值,不完全受制于潮汐过程的控制;(4) DO和pH两者的变化趋势高度一致,其变化过程与CO2浓度变化过程正好相反;(5)同一地点的海洋环境参数随潮汐涨落有很大的变异性,因而在进行空间大面海洋环境参数调查时,用某时刻的值代表该点的全天情况会出现较大的误差。     

登州浅滩海域表层沉积物分布特征

依据2010年在登州浅滩海域采集的沉积物样品资料,划分了研究区表层沉积物的分布类型,分析了登州浅滩海域沉积物的分布特征和粒度参数变化规律,在此基础上初步探讨了沉积物分布的影响因素。研究结果表明,登州浅滩海域表层沉积物主要包括砾石、砾砂、粗砂、中粗砂、中砂、细砂、粉砂质砂、砂质粉砂、粉砂、黏土质粉砂、粉砂质黏土等11种类型;浅滩沉积物以中粗砂为主,水道东侧以砾砂为主,西侧主要成分为黏土质粉砂;沉积物粒径具有自南向北由细变粗再变细,自东向西由粗变细的趋势;区域表层沉积物的分布格局与水动力环境相适应。     

成熟探区资源潜力评价:以松辽盆地敖南地区为例

勘探实践证明,松辽盆地葡萄花油层成藏条件优越,具有“满凹含油”特征,是开展石油资源精细勘探的主力层系,剩余资源主要分布于成熟探区及其周边。优选位于成熟源岩区内的敖南地区作为典型刻度区,利用岩芯、测井和试油等资料,对葡萄花油层的源岩、储层及油藏进行了详细解剖和刻画,认为该区具备3个有利成藏的地质条件:①有效烃源岩控制油气分布范围;②三角洲前缘亚相薄互层砂体构成油气储集层;③砂体、构造匹配发育大面积岩性油藏。通过综合评价,确定敖南地区含油面积为256.3 km^2,采用容积法和油藏规模序列法估算该区资源量为5057.1×10^4 t,并获取运聚系数、可采系数和资源丰度等可代表资源评价的关键参数。