山东埕岛东部东营组三角洲砂体地震预测技术

山东埕岛地区东营组是胜利油田近年来的一个勘探热点地区,资源潜力巨大.其主要发育河流和三角洲沉积体系,但砂体地震反射特征复杂,横向变化快,储层识别描述难度较大.通过建立全区高分辨率层序地层格架,在等时层序格架的基础上,开展储层描述.湖相沉积与三角洲相沉积在沉积物特征和地震响应上都具有较大差异,通过对已钻井的岩心、测井和录井等资料的分析,结合地震属性和地震相等宏观描述方法,在湖相沉积的背景之下刻画出三角洲的整体展布形态.在此基础上,针对三角洲主体区地震反射较弱、砂泥岩速度差异较小的特点,利用地震波形识别技术,采用6种参数对波形进行描述,得出12种波形分类,分别对应4种主要沉积微相.最终利用神经网络方法在平面上进行沉积微相的识别和刻画,取得了较好的效果.     

面向自然资源信息提取的多源异构数据融合技术——以汉江流域NDVI数据为例

高时空分辨率的自然资源指标数据对大尺度自然资源动态观测与趋势评估至关重要。大数据时代下的海量多源数据为数据高效融合利用提供了可能。以重构汉江流域归一化植被指数(Normalized Difference Vegetation Index,NDVI)数据为例,搭建了PostgreSQL自然资源时空大数据处理底层架构,集成了数据级融合法、特征级融合法和决策级融合法,基于机器学习算法构建了一套面向自然资源信息提取的多源异构数据智能融合技术,实现了多源数据的高效利用与特征空间优选。同时,重构了2000—2019年汉江流域NDVI 1 km逐年数据集,全面反映了汉江流域植被动态变化。研究结果可为地球科学时空大数据的高效提取与模拟分析提供科学参考,为定量核算林草资源禀赋规模、探究生态系统时空演变规律提供一种更精准、更便捷的技术手段。     

中国进入城乡一体规划时代

10月28日十届全国人大常委会第三十次会议表决通过了《城乡规划法》,自2008年1月1日起施行,现行《城市规划法》同时废止.从《城市规划法》到《城乡规划法》,一字之差,意义深远.中国正在打破建立在城乡二元结构上的规划管理制度,进入城乡一体规划时代.     

两种江蓠果孢子的融合研究

本研究以真江蓠(Gracilaria asiatica Zhang et Xia)和龙须菜(Gracilaria sjoes-tedtii Kylin)两个不同物种为材料,探索了果孢子的融合方法和条件。由成熟囊果的藻体经阴干刺激后,放散出大量果孢子。两个物种的果孢子在大小和颜色上都有差异。对这两个物种的果孢子用PEG—高Ca~(++)高pH法诱导融合,首次获得成功,融合细胞能再生成杂种植株。     

FY-4A卫星海域云图图像增强融合方法研究

FY-4A卫星是我国目前最先进的气象卫星,为缓解光照对其可见光和红外云图影响,增强图像质量和显示细节,通过分析中央气象台发布的FY-4A卫星云图中可见光和红外云图资料,指出云图可见光和红外云图存在极强互补性的特征,提出一种基于灰度均值的自适应非线性Gamma图像增强融合方法。仿真实验结果指出利用本文方法得到的融合云图拥有显示云的更多细节和识别云层云类的特点。该方法有效性的验证,为21世纪海上丝绸之路气象预报保障提供了新的云图识别处理技术。     

基于小波变换的影像信息融合方法

文中提出了一种基于小波变换的影像信息融合方法来提高遥感影像的几何分辨率，该算法的基本思想是：首先利用小波正变换算法将待处理的两幅影像分解成不同分辨率的子图像，然后在一定的准则下对不同分辨率的子图像进行信息融合处理，最后利用小波重建算法对融合子图像进行小波逆变换处理，得到信息融合后的高质量图像，实验表明该方法是可行的。     

基于小波特征融合的Hyperion影像降维方法

根据影像中地物光谱曲线的小波特征点确定地物识别的合适光谱分辨率,通过融合原先若干窄波段生成具有适合地物识别光谱分辨率的宽波段数据,达到降维高光谱数据的目的。文中对hyperion影像进行坏线和Smile效应去除,经过FLAASH大气校正,得到155个波段。对提取的八类地物的样本平均光谱进行DB4小波分解,计算小波细节系数方差;以小波细节系数信息熵作为特征点,得出不可渗透表面、居民地、水田、裸土4类地物识别适宜光谱分辨率为80nm,其余地物识别适宜光谱分辨率为160nm。以窄波段间的活跃度为指标进行融合,生成降维后的宽波段分别是21个波段和11个波段。8类地物在3尺度和4尺度下的分类结果说明降维影像能满足应用需求,提出的降维方法可行。     

主流海表风场资料在舟山群岛近海的性能评估

再分析风场资料已广泛应用于我国舟山群岛海域可再生能源评估、海洋灾害预防决策以及港口运维和船舶运输等涉海发展领域,然而不同业务机构所提供的再分析数据在舟山近海的性能表现不一,严重阻碍了此类数据的有效应用。基于2018年全年单点浮标观测资料,综合评价了舟山群岛近海面(10 m)风场的长期变化趋势,并利用误差分析和风玫瑰图等统计工具对6种主流海表风场再分析资料,包括:ECMWF第五代全球大气再分析数据(the 5th generation ECMWF atmospheric reanalysis,ERA5)、NECP第二版全球高分辨率再分析数据(climate forecast system version 2,CFSv2)、美国宇航局物理海洋学分布存档中心的多卫星融合资料(cross-calibrated multi-platform,CCMP)、日本55年再分析数据(Japanese 55-year reanalysis,JRA-55)、第二版现代研究与应用回顾性分析数据(modern-era retrospective analysis for research and applications version 2,MERRA-2)和ECMWF哥白尼大气监测服务再分析数据(the Copernicus Atmosphere Monitoring Service,CAMS)在时间变化特征上进行了对比与评估。研究表明:在综合性能方面,ERA5对风场的再现能力最优,其次为JRA-55;在要素可信度方面,ERA5对风速的再现情况相对较优,而CFSv2的风向再现情况较好;风场产品在不同季节的模拟能力有所差异;不同风场产品在不同风速区间的重构能力也有所不同;在全年风向分布方面,各再分析资料都存在显著的东向偏差。研究结果为不同应用场景下风场资料的选取提供评估依据,并为进一步开发适用于舟山群岛近海的高精度长周期风场数据产品奠定基础。     

高光谱影像光谱-空间多特征加权概率融合分类

提出了一种基于光谱-空间多特征加权概率融合的高光谱影像分类方法。首先,利用最小噪声分离(minimum noise fraction,MNF)方法对高光谱影像进行降维和特征提取,并以得到的MNF特征影像作为光谱特征,联合灰度共生矩阵(gray level co-occurrence matrix,GLCM)提取的纹理特征、基于OFC算子建立的多尺度形态学特征以及采用连续最大角凸锥(sequential maximum angle convex cone,SMACC)提取的端元组分特征,组成3组光谱-空间特征;然后利用支持向量机(support vector machine,SVM)对每一组光谱-空间特征进行分类,得到每组特征的概率输出结果;最后,建立多特征加权概率融合模型,应用该模型将不同特征的概率输出结果进行加权融合,得到最终分类结果。为了验证该方法的有效性,利用ROSIS和 AVIRIS影像进行试验,总体分类精度分别达到97.65%和96.62%。结果表明本文的方法不但较好地克服了传统基于单一特征高光谱影像分类的局限性,而且其分类效果也优于常规矢量叠加(vector stacking,VS)和概率融合的多特征分类方法,有效地改善了高光谱影像的分类结果。