资源环境模型库管理系统研究进展

资源环境模型库管理系统是资源环境研究中的关键问题之一。建立资源环境模型库管理 系统通常有两种途径。一种途径是采用模型管理技术, 其主要方法包括数据式模型管理、结构化 模型管理、面向对象的模型管理和基于知识的模型管理, 这种方式的优势是可以有效地管理资源 环境模型, 但对空间数据处理的功能较弱, 需要编写大量的程序代码。另一种途径是在GIS 中管 理模型, 如ArcGIS 中的ModelBuilder, 这种方式的优点是可以充分利用GIS 的空间数据处理能 力, 但对复杂模型的支持较差。根据以上两种方式的特点, 本文提出了一种面向对象的资源环境 模型管理框架, 把模型抽象为模型类与模型实例, 采用面向对象方法表达模型, 通过构建资源环 境模型引擎处理空间数据和模型数学方程; 利用模型库和数据库, 可以实现模型的有效管理和模 型重用。     

Enhancing remote sensing research on global change to improve our understanding on Earth system processes

正Global Change includes climate change and other environmental changes caused by the joint interaction among various layers of Earth. From the positive side, global change provides new opportunities to human and other living forms on Earth. In the meantime, it creates tremendous challenges and negative impact. At present, the negative impacts have reached all primary processes of the global ecosystem and every aspect of human society, especially causing degradation of the ecosystem. For instance, intensive deforestation causes decline of biodiversity; global warming causes sea level rise and increases     

煤田地质钻探中“真烧假脱断”事故的处理

＂真烧假脱断＂事故在煤田地质钻探施工中比较常见,容易误判为钻具脱扣或折断的烧钻事故。该事故多发生在夜班,以零时至凌晨5时为事故的多发时段;事故产生的主要原因是钻具接箍密封不严,水龙头堵塞,泥浆泵故障和其它因素引起的泥浆不能正常输送到孔底而产生。针对事故的特点,在实践中总结出＂存疑求原、解释合理、逐一破劲、砸反结合＂的处理原则和＂稳、准、静、决＂的处理步骤。郏县王集勘探区某孔和登封某勘探区某孔的处理结果表明,该处理原则和步骤切实可行,对指导同类事故的处理有一定的借鉴意义。     

.NET框架下IPv6和IPv4双协议兼容的测试用例实现

在.NET框架下,利用VC＋＋编程语言开发在Windows平台上检测IPv6网络互联情况的测试用例程序,程序对IPv4同样兼容。主要介绍了适用于双协议的Socket API函数和Socket通信原理,给出在双协议下客户机/服务器通信的应用程序及实现思路,为双协议下的其它网络应用程序开发打基础。     

基于实例分割模型的建筑物自动提取

传统的遥感影像目标提取方法大多采用目视解译或基于像素信息进行处理,难以适用于高分辨率影像中的复杂场景。而现有的卷积神经网络语义分割模型,由于难以达到较高的精度会出现提取目标粘连的情况。针对该问题,本文对实例分割模型Mask R-CNN进行改进,提出了一种高效、准确的高分辨率遥感影像建筑物提取算法。首先,在Mask R-CNN原有的特征提取部分每个层级的特征图后再增加一层卷积操作,以降低上采样造成的混叠效应;然后,在原有掩膜预测结构的基础上增加一个分支,改善掩膜预测的效果;最后,将改进后的网络在建筑物数据集上进行训练。结果表明,本文方法能够准确独立预测每个建筑物顶部,没有目标粘连情况,且mAP值较Mask R-CNN有所提高,能够有效实现遥感影像建筑物精细化提取。     

有色地质资料现代化管理与开发利用

阐述了有色地质五十年来地质找矿勘查成果资料的管理现状和有色地质资料数字化管理进程，指出地质资料二次开发利用的重要性和实用性。     

基于单阶段实例分割网络的黄土滑坡多任务自动识别

滑坡自动识别能够解决人工目视解译方法速度慢的问题,现有基于深度学习的自动识别方法多以目标检测和语义分割等单任务识别方法为主。本文基于深度学习实例分割网络探索可同时完成滑坡目标定位和语义分割的多任务识别方法。首先,基于谷歌地球影像构建了包含3822个样本的黄土滑坡样本数据集;然后,采用单阶段实例分割网络(YOLACT)构建了基于小样本学习的黄土滑坡多任务自动识别模型;最后,通过大、中、小3种比例尺度的滑坡测试样本对识别结果进行评价。试验结果表明:①滑坡目标定位框(Box)平均精确度为61.66%,滑坡语义分割掩码(Mask)平均精确度为62.0%,大比例尺测试结果中Mask交并比为0.88;②基于YOLACT构建的滑坡识别模型可同时完成滑坡目标定位和滑坡高精度掩码分割的双任务识别,为滑坡多任务自动识别及快速制图提供了技术支撑。     

高分辨率遥感影像分类的多示例集成学习

精选示例特征嵌入多示例学习(MILES)算法在对噪声较强的训练样本进行学习时表现出良好的性能,但其判断规则可能带来遥感影像分类结果的不确定性。针对这一问题,提出用Bagging和AdaBoost集成MILES的多示例集成学习算法,使用粗包细分、多样性密度和最大似然分类相结合抑制分类不确定性的方法,实现了高分辨率遥感影像分类中多示例学习与集成学习的组合。采用Quick Bird、IKONOS等高分辨率遥感影像进行试验,结果表明多示例集成学习能有效控制遥感影像分类结果的不确定性,具有良好的应用前景。     

结合边界约束网络和分水岭分割算法的建筑物提取

城市作为高密度建筑区域,在较小范围内有大量结构相似的建筑紧密分布。当前从高分辨率图像中准确检测建筑仍然是一个挑战,本文受边缘检测网络启发,提出一种强化边界精度的建筑物提取新方案,根据建筑物及边界特点改进深度网络,结合自下而上分组的分水岭分割提高分类精度和建筑边界的准确度。首先对数据预处理,生成建筑边界和建筑分割线两类辅助标签;改进性能较优的建筑检测框架ICT-Net网络,修改网络结构和损失函数,针对两类辅助标签,强化边界影响,提高网络性能;最后对网络预测结果应用结合分水岭分割和梯度提升回归树的后处理,实现高精度的建筑提取。结果表明,数据预处理、改进深度学习算法可提高建筑检测像素精度IOU (Intersection over Union)约1%。后处理能充分利用网络输出的概率信息,有效优化建筑边界,在网络预测结果的基础上提高建筑实例召回率10.5%。本文方案与原始的ICT-Net网络相比,提高建筑实例召回率22.9%。     

改进Mask R-CNN公路病害检测算法

针对公路路面病害与背景像素对比度低导致检测困难的问题,本文提出了改进Mask R-CNN公路病害检测算法(FAC-Mask R-CNN)。首先在ResNet101基础上增加强位置信息浅层特征表达,并融合相邻特征图作为主干网络最终特征输出,同时引入CBAM模块,以减弱目标与背景像素间低对比度的影响;然后采用深度可分离卷积和空洞卷积分别代替主干网络及有效特征层输出过程应用的普通卷积,提升模型计算效率及掩码预测精度。FAC-Mask R-CNN在公路路面病害数据集(RDD)上平均精确率为89.86%,召回率为88.54%,调和均值为90%,相较于Mask R-CNN算法平均精确率提升3.09%。结果表明,FAC-Mask R-CNN能有效完成公路路面病害精细化检测与分割任务。