A synthetic aperture radar sea surface distribution estimation by n-order Bézier curve and its application in ship detection

To dates,most ship detection approaches for single-pol synthetic aperture radar(SAR) imagery try to ensure a constant false-alarm rate(CFAR).A high performance ship detector relies on two key components:an accurate estimation to a sea surface distribution and a fine designed CFAR algorithm.First,a novel nonparametric sea surface distribution estimation method is developed based on n-order Bézier curve.To estimate the sea surface distribution using n-order Bézier curve,an explicit analytical solution is derived based on a least square optimization,and the optimal selection also is presented to two essential parameters,the order n of Bézier curve and the number m of sample points.Next,to validate the ship detection performance of the estimated sea surface distribution,the estimated sea surface distribution by n-order Bézier curve is combined with a cell averaging CFAR(CA-CFAR).To eliminate the possible interfering ship targets in background window,an improved automatic censoring method is applied.Comprehensive experiments prove that in terms of sea surface estimation performance,the proposed method is as good as a traditional nonparametric Parzen window kernel method,and in most cases,outperforms two widely used parametric methods,K and G0 models.In terms of computation speed,a major advantage of the proposed estimation method is the time consuming only depended on the number m of sample points while independent of imagery size,which makes it can achieve a significant speed improvement to the Parzen window kernel method,and in some cases,it is even faster than two parametric methods.In terms of ship detection performance,the experiments show that the ship detector which constructed by the proposed sea surface distribution model and the given CA-CFAR algorithm has wide adaptability to different SAR sensors,resolutions and sea surface homogeneities and obtains a leading performance on the test dataset.     

基于SMOS卫星数据的海表面盐度模型

海表面盐度是研究海洋对全球气候影响以及大洋环流的重要参量之一,而卫星遥感技术是获取海表面盐度数据的最有效方法.目前,L波段的SMOS和Aquarius/SAC-D遥感卫星正在用于探测海表面盐度,并根据卫星观测数据和物理机制反演出海表面盐度的产品.但在某些近陆地区域,由于淡水流入及陆地射频(RFI)等因素影响,卫星反演盐度的产品精度较低.文中利用“东方红2号”科学考察船的实测数据、SMOS卫星数据,首次针对中国南海海域提出了用贝叶斯网络模型计算海表面盐度,并用验证数据集(实测Argo盐度)对模型进行适应性评估.经过计算,模型误差和验证误差分别为0.47 psu和0.45 psu,而相应的SMOS Level 2产品的精度分别为1.90 psu和1.82 psu.此模型为海表面盐度的计算提供了一个新方法.     

中国海域近海面风速未来变化降尺度预估

基于CCMP卫星风场与全球耦合模式GFDL-CM3历史实验期的海表面风场、气压场、温度场等资料,使用经验正交函数和多元回归统计方式,获得高分辨率卫星风场与低分辨率气象要素场两者典型空间模态的长期统计关系,构建了我国海域近海面风速统计降尺度模型,进而结合GFDL-CM3气候模式RCPs情景未来预估数据,降尺度分析了2015-2050年我国海域近海面风速未来变化。结果表明:构建的降尺度模型具有良好模拟能力,模拟与观测风速空间分布相关性R值在0.98以上,风速变化趋势相关性R值在0.97以上,月平均风速模拟均方根误差(RMSE)全海域平均值约为1.32 m/s。我国海域近海面风速在未来35 a可能存在较明显的分时段变化特征,2015-2024年风速下降,2024-2035年风速增加,2035-2050年风速再次下降,同一时段内各海区风速变化趋势相同,但风速降幅或增幅存在差异,南海风速增降幅度较大,东海次之,黄渤海风速增降幅度相对较小。     

风积沙环境下高等级公路冻土块石路基降温性能分析

青藏高原脆弱的生态系统以及人类工程活动,加剧了青藏工程走廊线性工程两侧沙漠化、荒漠化发展趋势,尤其冻土块石路基面临日益严重的风积沙灾害问题。以多年冻土区高等级公路块石路基为研究对象,采用数值模拟分析风积沙环境下封闭块石路基的降温性能和长期热稳定性。结果表明：风积沙堆积对封闭块石路基下部土层冻土温度的影响程度高于冻土上限,1.0 m湿沙工况降低冻土温度,0.2 m干沙则增大冻土温度。升温背景下,随年平均气温增加风沙堆积对路基冻土上限影响程度增强,干沙增大冻土融化深度,湿沙抬升冻土上限。随冻土含冰量减小,路基中心冻土上限对气候升温敏感性增加,风沙堆积影响减弱。气候升温和风沙堆积条件下,在年平均气温低于-5.5℃时,宽幅沥青路面封闭块石路基能够满足降温要求,使人为冻土上限保持在块石层内。研究成果可为风沙危害区多年冻土块石路基的病害治理和拟建青藏高速公路块石路基设计提供科学依据。     

亚甲蓝分光光度法测定水中阴离子表面活性剂的方法研究

离子表面活性剂是水环境污染控制的重要指标。目前的水环境监测中,测定水中LAS的含量最常用的是亚甲蓝分光光度法,本文根据该方法的测定原理,就如何快速、准确测定阴离子表面活性剂的含量进行研究,对检测水中阴离子表面活性剂的国标法做了优化,由标准规定的加入25 ml亚甲蓝及氯仿萃取五次优化为加入20ml亚甲蓝及氯仿萃取两次,并通过绘制标准曲线和测定样品中亚甲蓝活性物质的含量来验证优化方法的准确性。实验结果表明:优化方法能够显著提高分析的快速性,且平行测定重现性较好,具有良好的实验精度。     

高海拔多年冻土区路基工程行为对低温多年冻土长期影响的监测研究

青藏铁路路基创造性采用了主动冷却路基的设计理念修建而成,目前铁路已经安全运营超过10年。青藏铁路路基修筑在多年冻土之上,路基下部冻土温度变化是衡量路基是否稳定的关键因素。基于长期（2008—2019年）地温观测资料,对昆仑山垭口南坡青藏铁路K980+000低温多年冻土区块石路基坡脚至坡脚外30 m范围内的冻土上限变化、年际地温变化、季节性地温变化进行分析,研究了路基工程行为对低温多年冻土的长期影响机制。结果表明：冻土地温不断升高,冻土上限逐年下移;与天然孔比较,路基坡脚处地温增温幅度反而较小,主要可能受块石路基冷却效应的影响;冷季与暖季呈现出不对称的增温趋势。冻土路基普遍增温的趋势仍然存在,出于对多年冻土的保护与保证工程稳定性的考虑,应尽量采用冷却路基的思想修建路基。同时,应加强对路基的监测,分析长期增温过程后路基稳定性变化,并对路基下部冻土的变化做出定量研究。     

面向带电作业的手臂末端输出力评估方法

为了解决带电作业时手臂末端输出力的准确控制,提出一种基于表面肌电信号（sEMG信号）和支持向量机回归（SVR）实现对手臂末端施力的评估方法.通过手握机械手臂末端的手柄,做往复推拉运动,记录此时手柄处的力传感器的数据F,同时利用3组肌电信号传感器同步采集手臂的肌电信号.将肌电信号提取特征后,与力F组合成样本集合S,在样本集合中随机抽取50%的样本数据作为训练集,分别训练BP神经网络、GRNN神经网络以及SVR神经网络.最后用训练好的神经网络对整个样本集中的力F进行预测,并用均方根误差和相关系数评估模型的预测效果.结果显示,SVR神经网络的预测效果较好,其均方根误差为3.074 0,相关系数为0.951 7.     

Boundary-layer wind structure in a landfalling tropical cyclone

In this study, a slab boundary layer model with a constant depth is used to analyze the boundary-layer wind structure in a landfalling tropical cyclone. Asymmetry is found in both the tangential and radial components of horizontal wind in the tropical cyclone boundary layer at landfall. For a steady tropical cyclone on a straight coastline at landfall, the magnitude of the radial component is greater in the offshoreflow side and the tangential component is greater over the sea, slightly offshore, therefore the greater total wind speed occurs in the offshore-flow side over the sea. The budget analysis suggests that： （1） a greater surface friction over land produces a greater inflow and the nonlinear effect advects the maximum inflow downstream, and （2） a smaller surface friction over the sea makes the decrease of the tangential wind component less than that over land. Moreover, the boundary layer wind structures in a tropical cyclone are related to the locations of the tropical cyclone relative to the coastline due to the different surface frictions. During tropical cyclone landfall, the impact of rough terrain on the cyclone increases, so the magnitude of the radial component of wind speed increases in the offshore-flow side and the tangential component outside the radius of maximum wind speed decreases gradually.     

盘西线新海站至大塘站岩溶路基塌陷发育规律及注浆整治

通过对盘西线新海站—大塘站(K 3 500~K 38 493)岩溶路基塌陷病害注浆整治的实例,介绍了该段岩溶路基塌陷发育规律、病害情况、病害的形成机理、注浆整治方法、质量检查方法等内容。     

基于MATLAB的铁路路基沉降预测优化方法

高速铁路路基的工后沉降严重影响着行车安全。在已有的预测模型中,所采用的初始数据往往不能满足等时间周期采集,而且还会伴随着一系列不可避免的观测误差,模型本身的误差累计,不能进行长期预测。文中利用最小二乘原理对初始值进行拟合改进,采用Lagrange插值方法将非等间隔序列转为等间隔序列,并基于新陈更替GM(1,1)模型利用MATLAB建立沉降预测模型;在此基础上,提出对模型残差进行GM改正以提高模型精度的方法。研究表明,通过对初始值序列改正后的模型具有较好的适应性,优化改进后的模型预测误差小,预测精度优于新陈更替GM(1,1)模型。