三峡库首区重点断裂围限区蓄水的加卸载效应

通过对蓄水前后三峡库首区构造应力场进行三维数值模拟发现,相对于蓄水前,蓄水至135 m水位时,官渡口断裂-马鹿池断裂-牛口断裂围限区、秭归地理中心和九湾溪断裂带,出现了4个主应力下降区和共轭的主应力增长区,形成了差应力场;175 m水位与135 m水位相比,局部差应力场呈现逆向变化,即形成了加载效应与卸载效应的交替过程。这一过程,可能是水库诱发地震的诱震(或触震)因素。     

网络环境下的前兆数据自动编排管理系统

通过在Intemet和局域网下开发的程序,实现了安徽省地震前兆数据自动编排管理。该网络程序可以自动检索和收集各地方台站上报的数据,然后将其按照规定的格式编排,通过纠错子系统检查无误后传至中国地震局数据中心。本系统可以将数据自动分类管理并做好备份,最大的优点是速度快、准确性高、操作方便。     

周期-频度谱在小爆破自动识别研究中的应用

历年来在所开展小爆破识别与判据研究的基础上,进行了计算机易于实现爆炸事件自动识别判据的研究,通过对近震、爆破、矿塌和远震事件的周期-频度谱、波形不规则指数、卓越周期开展的研究,确定了切实可行的爆破事件自动识别方法和判据,达到了77%以上的正确自动识别概率。关键词爆破;自动识别;周期-频度谱;波形不规则指数;卓越周期     

长江三峡巴东复杂斜坡系统成因研究

三峡库区巴东县新城区所在的扇形大斜坡是一个复杂斜坡系统。斜坡后缘边界的挤压变形带是斜坡整体沿其底界面（T1j^3-T2b^1）之间岩层界面向长江发生重力蠕滑作用的结果,不存在“巴东断裂”问题。斜坡系统内部未发现成规模的褶皱,也不存在数量众多的内动力成因的断裂带。巴东斜坡区浅表生变形破坏类型可概括为侧向拉裂、“雪崩式”垮塌、表层风化、侧向滑移张剪破裂、岩层折断变位、软岩膝折剪破裂和压扭破裂又重胶结7种重力卸荷破坏力学模式。斜坡系统内部发育分期分区（块）滑动（滑坡）现象,但不存在构造地质意义上的“断层”形迹。在地貌形态上,巴东大斜坡被4条冲沟分割成5个斜坡单元。在斜坡地质结构、成因类型与空间分布上,巴东大斜坡可划分为3个层次,即表层崩塌滑坡成因为主的堆积层（第一层次）,冲沟分割且浅表生地质形迹发育的层状顺倾的中间基岩层（第二层次）和整体连续顺倾的深层基岩层（第三层次）。分形几何计算证明,巴东大斜坡的地貌形态尚处于侵蚀发育的青（幼）年期。FLAC^3D数值模拟发现,在长江侵蚀下切的不同阶段,巴东斜坡体前缘和后缘接近底界面位置塑性变形区分布集中,但不具备沿深层界面发生整体滑动剪出的可能性。基本认识是,“巴东复杂斜坡系统”是在官渡口-东瀼口向斜南翼（单斜山）的地质背景下,持续经受长江快速侵蚀下切外动力作用,河谷岸坡快速临空导致其自身重力产生强烈的侧向卸荷与滑移等浅表生地质改造作用过程而形成的,可简单地概括为“重力成因论”。     

加密自动气象站实时监控与查询显示系统

张家口于2005年建立首批60套雨量、温度两要素加密自动气象站,并于汛期投入应用.为有效利用加密 自动气象站资料,充分发挥加密自动气象站资料高时空分辨率的特点,结合日常业务运行流程和公众服务的需求, 研制了"加密自动气象站实时监控与查询显示系统".该系统集数据查询、统计计算、自动绘制雨量等值线图、文件 输出、报警监控等于一体,具有界面美观、易于操作、自动化程度高等特点.业务运行表明该系统功能实用、运行稳 定、查询速度快、输出图表清晰美观,适合在基层业务部门推广应用.     

建筑物白模多边形的自动合并

建筑物白模多边形数据可广泛应用于许多领域,但在实际应用中,由于数据太过细致,且目前使用的建筑物白模多边形数据存在拓扑关系错误,不满足生产要求,这给地图综合中建筑物群的自动合并提出了新的要求.因此提出了一种基于约束性Delaunay三角网的建筑物白模多边形自动合并方法,在保持建筑物整体结构和视觉效果的前提下减少不必要的细...     

传统村落景观基因信息链与自动识别模型构建——以陕西省为例

传统村落作为活的文化遗产,承载了大量历史记忆,是地域文化景观基因识别与模型构建研究的重要切入点。以陕西省71个国家级传统村落为例,基于景观基因理论建立陕西省传统村落景观基因识别体系,识别出陕西省传统村落景观基因特征;运用类型学原理和N级编码理论对景观基因进行编码,构建陕西省传统村落景观基因信息链并生成基因谱系;借鉴生物学中“胞-链-形”DNA碱基序列模型,提取出环境基因、建筑基因、农耕文化基因和宗族文化基因四个公共基因作为景观基因元（胞）,以村内道路系统作为基因链,构建传统村落景观基因DNA模型与自动识别模型,以此对传统村落的区位、类型、特征和文化基因进行自动识别。为传统村落景观基因信息有效传承与存储,以及乡村建设动态发展提供理论借鉴。     

多源高分辨率DOM批量快速制作方法研究

随着遥感数据在自然资源调查中的广泛应用,对多源高分辨率遥感影像“一张图”批量快速制作有了更高的需求。本文以广西壮族自治区北海市银海区作为试验区,利用Pixel Engine软件的“RS+GIS+Photoshop”算法,首先,针对多源高分辨率遥感卫星数据特点,制定相应的数据处理流程,自动化制作单景DOM;然后,以县级辖区为单位,批量快速制作县级辖区DOM;最后,从制作精度和速度两个方面,将该方法制作得到的DOM成果与人工处理成果进行对比,分析该方法的可行性,提出了一种快速、有效的多源高分辨率DOM制作方法。     

基于SSW点云数据的矢量地图平面精度自动校验方法

常规的矢量地图精度校验采用抽样与实地测量,外业工作量大,自动化程度低。针对这一问题,本文提出基于SSW激光点云数据的矢量地图平面精度自动校验方法。首先,使用车载激光扫描器获得道路两侧高精度点云数据,并对点云数据进行滤波、坐标转换和精度检验;其次,基于多特征识别算法,使用SWDY软件提取点云特征点线;最后,利用最近邻法搜索待检矢量图中的同类地物特征点线,并计算匹配点线对的中误差。以兴化城区为试验区,采用该方法检测该地区1：1000比例尺的矢量地图平面精度,试验结果显示,成功匹配了点云数据205个地物特征中的201个,矢量地图的总体中误差为0.26 m,且能够发现待检测矢量地图中的采集丢漏与明显错误。本文方法可以减少现有检测方法的野外实测工作量,增加检测样本数量,降低检测过程中的人为干扰因素,有效提升检测的可靠性与检测效率。     

River centerline extraction using the multiple direction integration algorithm for mixed and pure water pixels

The river centerline is a basic hydrological characteristic. Most prior studies have used remote sensing data to extract the river centerline from the open water region in a pure water pixel region. Extracting this type of river is relatively easy. However, extracting the centerline of a micro-river, which is mainly composed of mixed water pixels, is challenging. This paper presents a novel method, called the Multiple Direction Integration Algorithm (MDIA), to extract the river centerline using an image-enhancing method combined with river morphology. MDIA can be applied to regions mainly composed of pure water pixels, as well as to regions consisting of mixed water pixels in the index image. The method first calculates the normalized difference vegetation index (NDVI) and enhances the river linear structure using a Hessian matrix. Second, a small window is constructed as a circular structural element. In the window region, the local threshold is automatically obtained using water-oriented clustering segmentation and prior river knowledge to judge the pixel type. After completing the river centerline extraction in the current window, the next detecting window is generated to continue judgment. The structural element automatically executes river centerline judgment until the entire river centerline is extracted. The Landsat 8 images of six regions with different geomorphologies were chosen to analyze the method’s performance. The test sites include high mountain region, low mountain region, plains region with farmland and a residential region. The experimental results show that the optimal threshold of the processing results ranged from 0.2 to 0.3. In this range, the user’s accuracy is 0.813 to 0.997, and the producer’s accuracy is 0.981 to 1. The MDIA effectively and correctly extracts the river network in mixed-pixel regions. The presented method provides an effective algorithm for river centerline extraction that can be used to expand and update river datasets and provide reliable river centerline data for relevant hydrology studies.