基于无人机遥感的河流阶地提取

河流阶地记录了河流演变过程中因构造抬升或气候变化引起的侵蚀基准面变化的信息,阶地的提取与划分对于新构造研究与古气候重建有着重要的意义,在分析传统阶地提取方法不足的基础上,提出了一种利用无人机遥感进行阶地提取的新方法.该方法利用无人机航拍影像和高精度地面控制点,通过基于计算机视觉的多视立体运动恢复结构(structure from motion with multi-view stereo, SfM-MVS)技术自动生成研究区高分辨率的正射影像和数字表面模型(digital surface model,DSM),在此基础上根据河流阶地的几何特征,利用高程、坡度及影像灰度等统计量实现阶地信息的提取.利用这一方法对汉江支流蛮河下游河段的阶地进行了提取试验.结果表明,该方法能够提取到两级河流阶地和一级河漫滩信息,提取结果与野外实测结果有较好的一致性.与传统阶地提取方法相比,该方法具有精度好、效率高、可视化效果全面直观等优势,显示出无人机遥感在河流地貌学研究中的巨大优势和广阔应用前景.      

美国全球变化研究计划（USGCRP）2012年度计划

全球气候变化通过改变环境、自然资源、经济等诸多方面对美国产生广泛的影响。美国全球变化研究计划（USGCRP）主要为美国乃至全世界提供帮助来理解和预测气候变化、环境响应机制等相关的科学知识,预测气候变化或气候变异引起其他的变化,为应对气候变化的相关政策和风险管理提供理论依据。研究主要包括理论基础研究、综合观测研究、模型预测研究,为决策者提供相关产品等。2011年年末NSF如期对USGCRP进行了完善,并率先发展和制定了USGCRP战略新计划。从NSF对USGCRP的资助力度来看,2012年度预算比2011年预算增加了33％,即106．05百万美元,2012年度的重点研究领域为：     

滑坡体地质剖面表达与绘制方法探讨

滑坡体的地质结构非常复杂，对如何有效地表示滑坡体内部结构采用计算机绘制其剖面图的研究具有很强的实用性。本文对采用数字高程模型（DEM）在计算机上绘制滑坡体地质剖面图进行了论述。     

一种改进的GPS随机模型建模方法

针对观测序列的异方差和时相关特性相互影响但又难以并行建模的问题,提出了一种迭代、序贯处理异方差和时相关问题的随机模型建模方案。实验结果显示,该方法较好地解决了异方差和时相关特性无法并行建模的难题,极大地消除了多路径及系统残余误差对GPS定位成果的影响,增加了基线数据处理的可靠性。     

模拟地震的弹簧滑块模型的混沌运动

我们构造了一种自由度为２的双弹簧滑块系统，讨论模型参数的不均匀性和滑块间的相互作用与复杂现象的关系。假定滑块在所受力小于其静摩擦力时保持静止，因此，只有发生了滑动，两滑块所受力之差才改变。如果我们以两滑块受力之差为变量，就可以构造一种一维的映射。这种映射直观地显示了系统的演化，反映了方程终态解的形态。结果表明，用混沌运动来描述地震现象可能是较为合理的。     

Walsh列率域中多维分形模型与GIS环境下地球物理信号处理

地球物理信号通常在多个尺度段表现尺度不变性,这些不变性起因于不同的地质、地球物理或成矿过程的自相似性. 利用这种在多个尺度段的尺度不变性可以设计多维分形滤波器,滤波所得信号表征了具尺度不变性的地质地球物理或成矿过程,可以用于成矿预测或环境评价. 本文研究了Walsh变换列率空间地球物理信号的列率功率谱密度与列率之间的分形与多维分形关系, 试验证实了大洋钻探、石油以及煤系地层地球物理测井资料在Walsh域的多维分形性质,提出了用于分解地球物理场,提取有用信号并用于矿产资源勘探或环境评价的多维分形W-A模型. 利用波列率域中的多维分形关系构造了W-A图解(W-A Plot). 借助W-A图解可以确定最小平方误差（LS）意义下Walsh功率谱变化的不同自相似性的频率分界点,从而用于设计W-A分形滤波器. 这种滤波器可将地球物理场分解成具有不同自相似性的局部场,并且保留原场的各向异性结构. 与通常使用的基于Fourier变换的滤波技术相比,W-A模型具有许多优点：W-A适用于检测地球物理信号中的突变、线性、环状、局部与纹理结构等弱信号. 同时,由于Walsh变换中只有简单的变号(加法与减法),其计算速度远快于建立在复数乘法之上的Fourier变换,所以W-A计算速度远快于Fourier域的滤波方法,可以用于地球物理信号的现场实时处理. 用加拿大Nova-cotia省西南地区的布格重力异常进行了W-A方法的试算,处理结果反映了地质、矿产分布规律,能够很好地进行矿产预测.     

优化组合模型在建筑物基坑沉降预测中的应用

为了确保建筑物在建设过程中的安全,需要准确掌握建筑物基坑及周边的变形情况。针对建筑物基坑沉降变形预测问题,本文对单一的GM(1.1)模型与BP神经网络模型进行优化并构建组合预测模型。优化组合模型一方面解决了单一预测模型稳定性差、预测精度低的问题,另一方面提高了预测模型的适用性。将本文提出的组合预测模型应用于某在建建筑物基坑沉降变形预测中,结果表明,相较于单一的GM(1.1)模型与BP神经网络模型,本文提出的优化组合预测模型的预测精度与稳定性更高,证明了组合预测模型在建筑物基坑类沉降预测中的可靠性。     

2021年日本福岛海域MW7.1地震S-net海底地震动特征

2021年2月13日日本福岛县东部海域(Off-Fukushima)发生的M_W7.1地震是目前世界最大的海底观测系统——日本海沟地震和海啸海底观测网(S-net)——迄今为止记录到最大的俯冲带地震.为认识海底地震动并探究海陆差异,本文介绍了S-net海域台网及其数据处理的特殊性和必要性,分析了Off-Fukushima地震的地震动幅值、频谱和持时特征,比较了海底与陆地震动衰减特性的异同,对比了近海岸埋置台站、近海沟未埋台站及陆地台站地震动的差异,并与俯冲带地震动模型(GMM)进行了比较.结果表明：Off-Fukushima地震海底水平向PGV和周期大于0.5 s的加速度反应谱值显著大于陆地记录;相比陆地,海底动力放大系数谱向长周期方向偏移,表明海底记录长周期成分更丰富;受到海水的抑制作用,海底记录V/H反应谱比值小于陆地记录;由于海底记录与陆地GMM在路径和场地方面存在差异,水平向PGA及反应谱的残差分布出现明显偏移;海底近海岸埋置台站与近海沟未埋台站的地震动特征存在系统性差异,水平向差异很可能与海底地形有关,而竖向可能受到布设方式对台站与海底耦合程度的影响.本文...     

基于贝叶斯正则化BP神经网络的DEM趋势面逼近

趋势面从宏观上揭示了研究对象的特性,在各领域发挥着重要作用。BP神经网络可以对复杂系统进行无限逼近,进而进行预测。建立了基于贝叶斯正则化BP神经网络的数字高程模型趋势面,与二次多项式建立的数字高程模型趋势面进行比较分析,证明了该方法的可行性和有效性。     

基于磁异常信号解析的目标速度特性研究

水下磁性目标产生的磁场成为重要的水下目标非声探测信号源,因此对水下磁性目标的静磁场建模原理开展了研究。实现了均匀磁化的旋转椭球体模型和磁偶极子模型,并对2种模型在目标磁异常信号仿真上的适应性进行了分析。研究表明：相比于磁偶极子模型,旋转椭球体模型在传感器与目标距离较近时也能表现很好的适应性。由此,利用旋转椭球体模型,首先通过仿真计算构建了目标在不同运动速度状态下的近距离磁异常信号数据集,然后开展基于深度学习方法的水下磁性目标运动速度识别方法研究,最后识别效果在验证集和测试集上分别取得了0.17m/s和0.74m/s良好的误差精度,为后续目标的航向等状态识别奠定重要基础。