基于BOTDR技术的深埋岩溶土洞监测分析

岩溶洞穴发育成地表塌陷影响因素复杂。为了获得岩溶土洞监测标识区域的应力特征,在太沙基松动土压力理论基础上,对岩溶土洞发育历程中松动区竖向土压力进行了分析。松动区的空间位置由洞穴特征及其上方岩土介质的物理、力学性质决定;平面应变和非平面应变条件下,松动区竖向土压力的分布特征差异明显。根据岩溶土洞上方松动区竖向土压力的分布特征,结合BOTDR技术优点,提出应用BOTDR技术监测岩溶土洞的发育,针对光纤监测系统设计中光纤布线型式进行了分析。岩溶土洞应力场变化特征的定量研究对光纤传感技术应用于岩溶土洞监测设计提供理论依据和指导。      

桂林毛村岩溶区与碎屑岩区檵木和马尾松凋落叶分解研究

为探究岩溶生态环境对凋落叶分解的影响,选用碎屑岩区相同树种作为对比,运用凋落物分解网袋法研究其凋落物分解初期动态,研究结果表明:（1）岩溶区檵木和马尾松凋落叶分解速率总体上均小于碎屑岩区相同树种凋落叶分解速率;（2）凋落叶分解速率k与凋落叶初始养分碳含量呈显著负相关（P<0.05）,与木质素含量呈极显著负相关（P<0.01）;（3）在凋落叶分解过程中,各养分释放规律具有一定的差异,凋落叶养分元素碳在分解过程中呈现出净释放;（4）岩溶区树种的碳释放速率比碎屑岩区慢,说明岩溶区两树种的凋落在一定程度上延长了C的循环周期      

香溪河流域岩溶洞穴发育与分布特征

结合1∶5万水文地质调查,对香溪河岩溶流域溶洞特征进行了探究,统计其溶洞的规模、形态、发育地层、发育方向及分布高程,结果表明:该区洞穴规模中等,受岩性的控制,溶洞的发育表现出对碳酸盐岩岩组类型的选择性,其中寒武-奥陶系地层溶洞发育程度最高;溶洞的发育方向多为北北东和北北西向,与区域构造线一致,同时受本区构造运动间歇性抬升的影响,溶洞集中发育于4个高程区;从溶洞发育的构造部位来看,溶洞主要分布在宽缓向斜的东南翼及向斜核部,平面分布表现出分带性;该区溶洞多发育至早期就停止进一步发育,其规模、类型、分布特征等与鄂西南地区溶洞均存在差异。      

地质雷达电磁干扰分析及在隧洞岩溶探测中的应用

将地质雷达用于千岛湖配水工程某隧洞岩溶探测,分析了倾斜状电磁干扰异常与溶洞雷达异常差异,通过雷达剖面及疑似异常区单道时间-频率谱的分析,推断了隧底岩溶的性质及空间分布特征,含水溶洞在雷达剖面反映为同相轴错断,强振幅及能量高衰减的特性,高频干扰波振幅幅值较异常区小且能量不满足随时间推移逐渐衰减的规律,雷达成果为隧洞安全施工提供了准确的参考。      

高密度电阻率法在莱芜市泉河地区岩溶地质勘查中的应用

岩溶不仅会导致基岩面起伏很大,而且会产生较多的溶蚀带、溶洞、土洞等岩溶地质特征,灰岩分布区发生的地面塌陷等地质灾害,对建筑物安全及社会经济发展造成了严重的危害,高密度电阻率法是岩溶地质调查的重要物探手段。文章根据高密度电阻率法的基本原理及特点,对莱芜市泉河地区进行了岩溶地质勘查,通过对视电阻率二维成像图异常形态、高低阻等的反演分析,推断了该地区岩溶分布范围、大小和埋深。经钻探验证,推断结果与钻探资料吻合,为该地区岩溶塌陷地质灾害防治提供参考价值。      

娘子关泉域岩溶地下水开发利用现状及保护管理建议探析

通过对娘子关泉域岩溶水开发利用现状及存在的主要问题的分析,提出应通过娘子关泉水流量保护目标、水质保护目标和岩溶水凿井开采总量控制目标,制定岩溶水资源保护与管理规范性文件、严格控制岩溶地下水的开采措施、提高污水回用率实现污水资源化和开展煤矿老窑水水污染调查与防治技术研究等保护管理措施,合理开发利用地下水资源,实现水资源可持续利用。     

改进的GOTURN算法

随着基于深度学习的算法在计算机视觉领域中的应用不断拓展,GOTURN(Generic Object Tracking Using Regression Networks)算法是第1个满足目标跟踪实时性要求的深度学习算法(达到100 fps),但是该算法的跟踪精度有待提高。针对此问题,采用基于运动估计的卡尔曼滤波算法与基于卷积神经网络的深度学习算法相结合的方法,将卡尔曼滤波算法融入GOTURN算法进行目标跟踪。为了验证该算法的有效性,在ILSVRC2014数据集和ALOV300++数据集中进行了训练和评估。实验结果表明,该算法不仅能够满足目标跟踪的实时性要求,而且能够提高线性系统的跟踪精度。     

基于差分筛选的YOLOv2监控视频目标检测方法

监控视频的多目标跟踪是视频智能分析的热点研究内容,其中目标的检测是目标跟踪的基础,精度高、速度快的目标检测器对于后续的实时分析任务尤为重要。提出一种针对监控视频的基于差分筛选的YOLOv2目标检测算法,采用差分算法筛选无前景目标帧及设置重叠度量阈值进行跨帧检测,改善了YOLOv2作为检测方法用于监控视频多目标跟踪任务时速度过慢的不足,同时高精度的检测结果有利于下一步多目标跟踪任务的顺利完成。利用NPLR监控视频数据集对YOLOv2目标检测算法进行了测试,并将该方法与可变型部件模型DPM进行了比较。结果表明,差分YOLOv2方法在精度上高出DPM方法0.304 6,检测时间快了26倍左右,验证了该算法的有效性。     

利用主动深度学习提取极化SAR影像建筑区

针对利用传统监督分类方法从极化SAR影像中提取建筑区存在标记样本数量不足、难以挖掘有效特征等问题,提出一种主动学习与深度学习相结合的极化SAR影像建筑区提取方法。首先通过自动编码器对训练样本训练得到初始分类器;接着利用主动学习得到未标记样本中最富有信息量的样本进行人工标记;并将标记好的样本加入到训练样本中重新训练分类器。分别采用RADARSAT-2和ALOS-2极化SAR影像进行实验。结果表明传统的SVM方法和深度学习的方法加入主动学习后建筑区的提取精度都有所提高,而主动深度学习方法的提取效果优于主动SVM方法。     

基于多源高分辨率遥感影像的2 m不透水面一张图提取

不透水率是衡量城市生态环境状况的一个重要指标。当前全球范围内仅有1 km和30 m分辨率尺度的不透水面专题信息,无法满足城市尺度水文模型建模、海绵城市规划和建设需求。提出了图谱信息融合的不透水面提取模型,实现了基于深度学习的不透水面提取新方法,研制了不透水面遥感全流程提取和监测软件。基于多源高分辨率遥感影像首次完成了中国31个省（直辖市、自治区）的2 m不透水面专题信息提取,形成全国不透水面一张图,为海绵城市和生态城市的建设提供了基础数据支撑和技术监测手段。