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。     

关中东部连续性冰雹特征分析

利用关中东部各气象站和各县防雹站(点)建站以来的连续性降雹资料,统计分析了连续性降雹的时空分布、环流形势、物理量场以及强回波移动規律,总结出影响关中东部连续性降雹的重要天气特征及渭北多雹和多连续性降雹的重要原因是特殊地形与秦岭背风波相叠加的结果。     

2006-2022年黔南州冰雹特征分析

【目的】为了解黔南州的冰雹特征。【方法】利用2006—2022年多普勒天气雷达、常规气象观测资料以及人工影响天气作业站点冰雹观测等资料,采用统计学方法分析了影响黔南州冰雹个例的冰雹直径、降雹持续时间、冰雹日变化、冰雹云移动速度等特征。【结果】黔南州的降雹主要出现在3、4月份,降雹以中冰雹为主,冰雹日变化明显,一天中冰雹主要发生在15时—次日00时,白天17—20时冰雹频发。降雹持续时间短,65%的降雹持续时间在5 min以内。冰雹云单体的移动速度范围为16~102 km·h-1,平均速度50 km·h-1。冰雹云单体的维持时间最短仅为17 min,最长可达290 min,平均122 min。冰雹云移动路径主要以西南路径为主,其次是西北路径和偏西路径。西南路径降雹点主要分布在黔南州中部一线,西北路径降雹点主要分布在黔南州中西部的惠水、长顺,偏西路径的降雹点主要在黔南州中北部。影响黔南的冰雹云源地有境外移入和黔南州境内生成的两类,主要源地在安顺市、黔南州、黔西南州东部和北部、毕节市东部和南部以及贵阳市南部,不同路径的冰雹云源地具有明显的分布差异。【结论】本文研究成果可进一步提高对黔南冰雹特征的认识。     

蜀南地区下三叠统飞仙关组沉积相

蜀南地区飞仙关组的沉积相类型主要有浑水陆棚相与清水陆棚相,东部两者交替发育,中西部则主要为浑水陆棚相。浑水陆棚相以半局限海亚相为主,包括三个微相;清水陆棚相可分为颗粒滩、滩间、潮坪和内缘斜坡等四个亚相,包括若干微相。飞一段全区为清水陆棚相;飞二段全区均为浑水陆棚亚相的泥质半局限海微相;飞三段,西部为浑水陆棚相,东部为清水陆棚相,其间发育灰泥质半局限海微相;飞四段基本为泥质半局限海微相。飞一时,区内中部有一近南北向的台内凹槽,沿凹槽边缘鲕粒滩较发育。研究区以西的康滇古陆和龙门山岛链与华蓥山断裂带控制着区内沉积相展布,当康滇古陆和龙门山岛链构造活跃时全区发育浑水陆棚,华蓥山断裂带活动时东部发育清水陆棚;当康滇古陆、龙门山岛链与华蓥山断裂带构造的活动性都较低时,全区以清水陆棚为主。     

柴达木盆地第三系咸水湖相生油岩古沉积环境地球化学特征

在系统分析柴达木盆地西部第三系咸水湖相生油岩样品的微量元素、有机物、粘土矿物组成的基础上,揭示了研究区生油岩的无机元素和有机质组成特征;并结合沉积环境的无机与有机地球化学指标,重建了生油岩沉积时的古沉积环境。生油岩的B、Cl-及伽玛蜡烷含量表明,沉积时的水介质条件是半咸水—咸水环境,并伴随湖盆沉积中心北迁过程各层位地层的盐度发生规律性时空]化;生油岩的Fe2 /Fe3 、S2-、Pr/Ph比值、藿烷碳数分布模式及黄铁矿含量反映其沉积时的沉积环境为强还原性;粘土矿物组合特征及含量揭示这些生油岩的沉积相带介于中心咸湖相和边缘咸湖相之间。     

一种多层特征融合的道路场景实时分割方法

道路场景理解是自动驾驶领域中重要模块之一,它可以提供关于道路更丰富的信息,对于建立高精度地图和实时规划都具有重要作用。其中,语义分割可以为图像每个像素赋予类别信息,是自动驾驶场景理解中最常用的方法。但是,目前常用的语义分割算法在速度和精度上大都不能达到很好的平衡。本文在MobileNetV2的基础上,提出了一种多层次特征融合的方法,使得网络可以在实时运行的同时保证精度满足实际应用的需求,并在Cityscapes数据集上进行了试验验证和分析。     

结合PS特征点的SBAS地表形变监测

针对SARscape SBAS技术存在人工选取地面控制点影响监测结果的问题,本文提出了一种结合PS特征点的SBAS地表形变监测方法。通过设置PS技术中的振幅离差指数与相干性阈值,提取PS监测结果中的特征点作为地面控制点进行轨道精炼与形变反演。以2017年3月至2018年12月覆盖南昌地区的Sentinel-1影像为数据源,进行了地表形变监测与验证。结果表明：①该方法与PS方法监测结果均显示南昌市城区在监测时段内整体呈小幅度上升趋势,年平均沉降速率相关性达到了0.959,具有高度一致性。②将该方法、PS方法、人工选取地面控制点的SBAS方法的监测结果与水准数据进行对比,该方法与水准数据的误差不超过3.5 mm,说明了该方法的有效性。     

结合图像增强和恢复的增强现实跟踪注册

增强现实中的跟踪注册技术一直是研究的重点和难点,而地下矿道和巷道内亮度低,产生的图像较昏暗,车载相机快速运动和抖动,对传统的基于特征匹配的跟踪注册提出了挑战。本文从提高增强现实中跟踪注册稳健性和精度出发,采用基于Retinex改进的方法增强昏暗图像的亮度,同时利用基于对抗神经网络的方法恢复运动模糊图像。首先提取图像ORB特征,实现初始化;然后根据跟踪特征点的数量,开启图像增强和图像恢复线程,提高特征点提取质量和数量。在数据集和真实模拟场景下的试验结果显示,跟踪精度提高了12%左右,在低亮度和含有轻微模糊的情况下,跟踪注册稳健性也有显著提高。     

基于深度残差网络的机载LiDAR点云分类

机载LiDAR点云的分类是利用其进行城市场景三维重建的关键步骤之一。为充分利用现有的图像领域性能较好的深度学习网络模型,提高点云分类精度,并降低训练时间和对训练样本数量的要求,本文提出一种基于深度残差网络的机载LiDAR点云分类方法。首先提取归一化高程、表面变化率、强度和归一化植被指数4种具有较高区分度的点云低层次特征;然后通过设置不同的邻域大小和视角,利用所提出的点云特征图生成策略,得到多尺度和多视角点云特征图;再将点云特征图输入到预训练的深度残差网络,提取多尺度和多视角深层次特征;最后构建并训练神经网络分类器,利用训练的模型对待分类点云进行预测,经后处理得到分类结果。利用ISPRS三维语义标记竞赛的公开标准数据集进行试验,结果表明,本文方法可有效区分建筑物、地面、车辆等8类地物,分类结果的总体精度为87.1%,可为城市场景三维重建提供可靠的信息。