P_(350)萃取色谱分离石墨炉原子吸收光谱法测定化探样品中镓

应用P350 萃取分离干扰元素 ,采用石墨炉原子吸收光谱法测定化探样品中镓 ,方法检出限为0 0 14× 10 - 6 ,相对标准偏差为 7 0 % ,回收率为 94 %～ 114%。     

柳珊瑚4种不同DNA提取方法的比较研究

通过2种样品前处理方式和4种不同的DNA提取方法相结合,提取橘色刺柳珊瑚(Echinogoria aurantiaca)基因组DNA,并对其18S rRNA基因进行了克隆和测序。实验结果表明,对于2种样品前处理方式,采用纯酒精进行样品前处理比PBS(磷酸缓冲液)进行样品前处理效果要好。在4种不同的DNA提取方法中,以CTAB(十六烷基三甲基溴化铵)法提取基因组DNA效果最好,其余3种方法如PVP(聚乙烯基吡咯烷酮)法、高盐法和酚/氯仿法的提取效果较差。并且不同样品的钙质沉淀对DNA都有一定程度的吸附。最后,通过PCR扩增、克隆测序得到橘色刺柳珊瑚18S rRNA基因序列(AY962532)。BLAST软件进行序列比对表明橘色刺柳珊瑚与弱柳珊瑚(Leptogorgia chilensis)的18S rRNA基因(AF052928)同源性最高,为98.79%。     

融合网格注意力阀门和特征金字塔结构的高分辨率遥感影像建筑物提取

在高分辨率遥感影像中提取建筑物轮廓是地区基础建设信息统计的一项重要任务。适应性较强的深度学习方法已在建筑物提取研究中取得较大进展,受网络模型对影像特征表达的局限性,存在局部建筑轮廓边缘模糊的问题。本研究提出一种基于注意力的U型特征金字塔网络（AFP-Net）可以聚焦高分遥感影像中不同形态的建筑物结构,实现建筑物轮廓的高效提取。AFP-Net模型通过基于网格的注意力阀门Attention Gates模块抑制输入影像中的无关区域,凸出影像中建筑物的显性特征;通过特征金字塔注意力Feature Pyramid Attention模块增加高维特征图的感受野,减少采样中的细节损失。基于WHU建筑物数据集训练优化AFP-Net模型,测试结果表明AFP-Net模型能够较清晰地识别出建筑物轮廓,在预测性能上有更好的目视效果,在测试结果的总体精度和交并比上较U-Net模型分别提高0.67%和1.34%。结果表明,AFP-Net模型实现了高分遥感影像中建筑物提取的结果精度及预测性能的有效提升。     

面向不同环境背景的Landsat影像水体提取方法适用性研究

快速、准确地从卫星影像中提取水体信息一直是遥感应用的热点问题,在水资源管理、水环境监测和灾害应急管理等领域极具应用价值.虽然目前已有多种针对Landsat系列影像的水体提取方法,但由于地理位置、地形和水体形态等环境背景因素的影响,导致同种方法在不同的环境背景中呈现出不同的提取效果.本文针对人为影响严重、影像明暗对比强烈...     

内蒙古浩尧尔忽洞金矿三维建模与深部成矿预测

内蒙古浩尧尔忽洞金矿位于华北克拉通北缘,是我国黑色岩系金矿的典型代表,其赋存于白云鄂博群比鲁特组的碳质板岩中,品位低而可采储量大.针对金矿增储保障问题,本文以矿床模型和"三位一体"找矿预测方法为指导,采用三维建模可视化技术,首先,构建了浩尧尔忽洞金矿三维找矿模型,实现了矿区的透明化、立体化;其次,开展了地球物理电磁联合...     

基于卷积核哈希学习的高光谱图像分类

高光谱遥感可同步获取地表覆盖空间影像和连续且精细的光谱数据,能够实现对地物的精细分类与识别。然而,高光谱图像的高维特性对分类带来巨大挑战。为此,本文探讨了一种基于卷积核哈希学习的高光谱图像分类方法。哈希学习可以将高维信息表达为低维哈希编码,通过计算哈希编码内积并借助最小汉明距离实现分类。为了有效表达非线性数据,又发展了核哈希学习方法。然而,直接应用核哈希学习进行高光谱图像分类存在运行速度慢和未考虑空间邻域信息的不足。为此,本文在核哈希学习中引入径向基函数RBF (Radial Basis Function)作为损失函数以提高运行效率;同时,借助四维卷积操作充分表达空间邻域信息,提出了基于卷积核哈希学习的高光谱图像分类方法 CKSH (Supervised Hashing with RBF Kernel and Convolution),同时探讨了该方法在仅利用光谱特征和光谱—空间联合特征上的分类效果。在国际通用测试数据Indian Pines和University of Pavia上进行了实验,结果表明：本文提出的CKSH方法优于传统分类方法 （支持向量机、随机子空间）和其他哈希学习方...     

基于Srtm-DEM与遥感的长白山基本地貌类型提取方法

基于中国1∶100万数字地貌制图工作,以吉林省长白山区为试验区,对基于Srtm-DEM与遥感提取基本地貌类型方法进行了探讨。研究表明,基于Srtm-DEM派生的各种模型对基本地貌类型自动提取具有很大的实效性:其中坡度3.5°是实现该区平地和山地宏观地貌单元自动提取的最佳断点,高程模型及起伏度模型相结合,可初步实现基本地貌类型的自动提取,其结果可很好的反应区域地貌宏观规律;在此基础上,基于30 m空间分辨率的遥感影像,综合运用区域地质、土地利用、植被、土壤等多地理要素信息及制图综合知识,以及地貌单元的完整性特征,以山脊线、坡折线和山麓线为地貌单元的标志线,基于地貌知识的专家修正,可获得研究区完整的基本类型地貌单元,实现了基于Srtm-DEM与遥感的基本地貌类型的智能化提取;最后,以研究区内1∶50万地貌图为准,对提取结果进行定性、定量评价分析表明,其提取总体精度达76%,面积相差较小;该方法在一定程度上改进了传统手工和野外调查为主的提取方法,实现了地貌信息的数字化、定位化及定量化,为全国1∶100万数字地貌信息提取与集成奠定了基础。     

晋城岳城矿地面采动区井井位优选与抽采寿命研究

为了降低晋城岳城矿工作面U型通风造成的上隅角瓦斯聚集,提高采动与采空区煤层气地面井抽采井产量及抽采寿命,在借鉴成庄矿、寺河矿和赵庄矿等地面采动试验井研究及工程示范的基础上,以晋城岳城矿煤层气地质条件为工程设计依据,提出并优化地面采动区井位尽量靠近巷道位置处、大井眼地面钻井工艺、优化井身结构等设计方案.现场试验证明:部分...     

结合模糊度和形态学指数约束的深度学习建筑物提取

基于高分辨率遥感影像的建筑物提取一直是研究的热点问题,深度学习的深层次特征提取方法,非常适合高分辨率影像中建筑物的提取,但使用深度学习提取建筑物时,大多以改变网络结构为主进行算法优化,很少与其他方法结合.本文研究在改进深度学习网络结构的基础上,结合影像模糊度约束增强、形态学建筑指数约束增强等方法,对建筑物提取方法进行更...     

面向对象高分遥感影像典型自然地物半自动提取

针对目前高空间分辨率遥感影像(简称高分遥感影像)地物全自动提取无法完全实现的现实,本文结合自然地物的光谱和纹理特征,提出一种面向对象的高分遥感影像典型自然地物半自动提取方法.首先构建最小生成树(Minimum Spanning Tree,MST)进行影像初始分割,根据影像灰度平均归一化值和标准差统计对象的光谱、纹理等特...