Detection of deep water benthic macroalgae using image-based classification techniques on multibeam backscatter at Cashes Ledge,Gulf of Maine,USA

Benthic macroalgae form an important part of temperate marine ecosystems, exhibiting a complex three-dimensional character which represents a vital foraging and spawning ground for many juvenile fish species. In this research, image-based techniques for classification of multibeam backscatter are explored for the detection of benthic macroalgae at Cashes Ledge in the Gulf of Maine, USA. Two classifications were performed using QTC-Multiview, differentiated by application of a threshold filter, and macroalgal signatures were independently extracted from the raw sonar datagrams in Matlab. All classifications were validated by comparison with video ground-truth data. The unfiltered classification shows a high degree of complexity in the shallowest areas within the study site; the filtered demonstrates markedly less variation by depth. The unfiltered classification shows a positive agreement with the video ground-truth data; 82.6% of observations recording Laminaria sp., 39.1% of Agarum cribrosum and 100.0% (n = 3) of mixed macroalgae occur within the same acoustically distinct group of classes. These are discrete from the 8.1% recorded agreement with absences and nulls (>40 m) of macrophytes (n = 32) from a total of 86 ground-truth locations. The results of the water column data extraction (WCDE) show similar success, accurately predicting 78.3% of Laminaria sp. and 30.4% of A. cribrosum observations.     

中国沿海星虫动物门名录

取1980～1989年间在我国沿海进行星虫动物区系调查的标本和有关资料做了整理、鉴定,共39种,分隶于2纲,4目,6科,12属。其中1种在我国为首次记录。     

基于"3S"技术的地质灾害易损性面评价方法研究

易损性评价是地质灾害灾情评估体系中一个非常重要的内容。它揭示了地质灾害基本构成元素之一的承灾体的社会经济属性,对整个地灾灾情评估体系完整性的构建及评价结果的科学性、明确性、统一性表达具有举足轻重的作用。文章以等面积法作为基本手段,根据评价区实际情况算得的离散等积网格作为评价模板。结合“3S”(GIS、RS、GPS)技术,探讨地质灾害易损性面评价的实现方式,旨在提出“3S”框架内的地质灾害灾情评估实现模式。在具体操作层面上,文章提出了为实现易损性面评估而确立的评价对象之层次分类方法、评价模板构造计算方法、空间数据库建设方法、基于空间数据库的空间分析方法以及空间信息集成模型。重点讨论在空间数据完整性基础上的多源数据融合处理模式及以GIS空间分析算法模式为蓝本的空间数据处理和集成手段。在理念层面上,文章将空间分析实现方法分为现实评价区域、概念评价区域、数字评价区域、逻辑映射虚拟区域等4个阶段,认为在GIS环境下的地灾灾情评价原始空间数据、派生空间数据以及经专用模型集成后的结果空间数据的可视化表达方式可以分为颜色序列、数字高程模型(DTM)及等值线3种表达方式。最后提出实现地质灾害易损性面评价的一般操作流程。     

北京环线建设驱动的土地利用变化遥感检测与分析

近年来,北京市的环线建设大大改进了北京的交通状况,促进了环线周边的商业发展和房地产开发的繁荣,同时也带来了环线周边地区的土地利用的变更。在“科技奥运”科技攻关项目和在研自然科学基金项目的支撑下,选择了1988,1994,2001和2003年5—6月份的TM数据,在影像经过几何校正和辐射归一化校正后对其应用高精度的自组织神经网络分类和利用高分辨率的航空照片验证;在分类数据和变更信息的基础上,采用了空间自相关分析模型、频率指数模型和潜力模型分别对北京各种用地类型的频率指数和建设用地的Moran系数和Geary系数,以及城市增长的潜力指她进行计算。一系列计算显示了环线驱动的北京市土地利用变化情况。结果表明:在环线建设的驱动下,北京市的建设用地围绕环线呈快速增长趋势;绿地面积在四环、五环的环线一带也呈增加趋势;城市增长潜力从四环到六环呈逐渐增大趋势。     

陆相断陷盆地低凸起斜坡带层序划分及其沉积充填演化特征:以埕岛东斜坡古近系为例

层序分级不一致和井震层序不统一都会导致沉积充填演化特征反映的不准确,将制约储盖组合与油气分布的预测。文中应用沉积层序的概念,利用岩心、岩性、测井与地震资料,以层序界面与内部构成特征相结合的原则,从坡下到坡上,对东斜坡古近系进行了层序划分。一级层序相当于系地层单元,与构造运动相对应,层序界面为区域性角度不整合;二级层序相当于统或组地层单元,与构造运动幕相对应,层序界面为局部不整合;三级层序相当于段或亚段地层单元,与构造幕内的次级构造作用相对应,层序界面为超覆不整合面、沉积体系转换面及重力流下切面;四级层序即体系域,相当于油组与砂组,与三级层序基准面旋回的阶段性变化相对应,层序界面为初始洪泛面、最大洪泛面,共识别出SQ1、SQ2、SQ3、SQ4、SQ5和SQ6等6个三级层序及15个体系域。井震统一的层序格架结合了钻井资料纵向高分辨率与地震资料横向好连续性的优点,从而高精度、高分辨率地揭示了层序格架充填演化特征,体现出层序旋回性与体系域及平面沉积相分布的差异性。古近纪埕岛凸起夷平,斜坡及凹陷补齐,发育超覆、披覆沉积;古地形由南低北高向南高北低转换;本地物源、邻近物源、区域物源阶段性变迁;多物源的沉积体系交叉、叠置,沉积相发生了扇三角洲-浊积扇-半深湖-滑塌浊积扇-辫状河三角洲-曲流河泛滥平原演变。埕岛低凸起斜坡带层序及沉积充填演化特征具有陆相断陷盆地的代表性,因而,此项研究对于解决层序地层学面临的工业化应用研究不足的问题以及油气储盖组合预测方面的难点可提供有益参考。     

基于决策树分类的大屯矿区地物信息提取及矿区污染分析

本文在对国内外遥感图像分类方法充分研究分析的基础上,选择决策树分类法对大屯矿区的Landsat 8遥感图像进行分类研究。选取样本提取并分析研究区典型地类光谱特征曲线,依据光谱曲线特征和归一化植被指数建立了土地利用分类决策树模型,通过反复试验和修正,筛选出适宜大屯矿区地物分类的决策树最优阈值,对研究区进行分类和精度评价,最后通过分类结果对研究区的水体污染状况进行简要分析。     

多源遥感数据在新疆卡拉麦里地区岩矿识别中的应用

遥感技术广泛应用于地质基础调查、矿产资源勘探、环境评估和地质灾害调查等方面。它已从多光谱发展到高光谱阶段,Landsat- 8是目前最具有代表性和最常用的多光谱数据,ASTER具有高的分辨率和多波段特征,资源一号02D(ZY1- 02D)卫星是我国2019年发射的高光谱业务卫星。为了更好地了解多源遥感数据在岩矿识别中的作用,在新疆东天山卡拉麦里地区进行了相关研究。结果表明：Landsat- 8 OLI的PCA变换结果清晰识别了研究区不同的岩性和地层;使用Landsat- 8 OLI、ASTER和ZY1- 02D高光谱数据,分别采取不同的图像端元提取方法,在进行光谱分析的基础上,利用光谱角填图（SAM）即可得到研究区的主要矿物分类图件。通过野外验证,应用GIS技术进行集成和分析,修正相关图件后,便得到了精准的矿物分类综合图。研究表明：多源遥感数据的集成在岩矿识别方面效果良好、前景巨大。     

基于模糊Hopfield神经网络的大气降水粒子分类

提出基于模糊Hopfield神经网络的大气降水粒子分类,它是通过计算样本间的模糊关系的相似程度,再加上Hopfield网络所特有的高稳定性,对大气降水粒子进行分类.通过对各降水粒子所对应雷达回波数据的分析,验证了方法的可行性.     

高分辨率光学遥感场景分类的深度度量学习方法

针对高分辨率光学遥感影像场景具有同类型内部差异大、不同类型间相似度高导致部分场景识别困难的问题,本文提出了一种深度度量学习方法。首先在深度学习模型的特征输出层上为每类预设聚类中心,其次基于欧氏距离方法设计均值中心度量损失项,最后联合交叉熵损失项以及权重与偏置正则项构成模型的损失函数。该方法的目标是在特征空间上使同类型特征聚集并扩大类型间的距离以提高分类准确率。试验结果表明,本文方法有效地提升了分类准确率。在RSSCN7、UC Merced和NWPU-RESISC45数据集上,与现有方法相比,分类准确率分别提高了1.46%、1.09%和2.51%。     

Classification, M inerogenic Models and Prospecting of Realgar/Orpiment Deposits in China

China's realgar/orpiment deposits may be classified into three types, the stratabound, hot-water sedimentary and hydrothermal, according to their mineralizing processes, geological occurrences, tectonic and geochemi-cal features. The three types may be further distinguished into seven subtypes, namely, the Xiaguan, Shuiluo, Jiepaiyu, Songpan, Shixia, Wangzhuang and Ninghshan ones. On this basis three minerogenic models are established, and based on studies of their geochemistry and minerogenic mechanisms the prerequisites for prospecting for these types of deposits are given in the paper.