基于Sentinel-1A合成孔径雷达数据和全卷积网络的城市建设用地监测方法研究

Sentinel-1A合成孔径雷达数据不受云、雾等天气条件的影响并具有丰富的纹理信息,为提取城市建设用地信息提供了一种新的数据源。本文发展了一种基于Sentinel-1A合成孔径雷达数据和全卷积网络的城市建设用地监测方法。该方法的优势主要在于可以有效复合不同极化方式下的Sentinel-1A合成孔径雷达数据和综合集成多尺度特征。在甘肃省张掖市甘州区的应用表明,该方法的提取结果总体精度为92.50%,Kappa系数为0.85。与现有方法“KTH-Pavia城市提取器”相比,Kappa系数提高了37.10%,总体精度提高了11.50%。因此,该方法具有良好的应用潜力。     

典型深度贫困县贫困格局及影响因素分析——以海伦市为例

深度贫困县是实施精准扶贫工作的重点区域,客观分析深度贫困县贫困格局及其影响因素,可以为制定扶贫策略提供科学依据。论文以黑龙江省海伦市为研究区,基于空间分析和数理统计方法,探索以贫困村和贫困人口为核心的贫困格局及其影响因素。结果表明：① 作为深度贫困县,海伦市贫困村和贫困人口均具有不平衡性,贫困村和贫困人口格局既具有关联性,又具有差异性;② 海伦市贫困村集中分布在150~250 m地形过渡地带,呈现多核心带状式分布态势;③ 海伦市贫困人口分布格局是自然因素与人文因素综合作用的结果,自然地理及农业生产、农村基础设施及社会福利因素是直接影响贫困人口分布格局的关键因素。建议从加强农业农村基础设施建设、提升抵御自然灾害能力,加快种植业结构调整和布局优化、提升农村产业发展水平,提升社会保障水平、降低致贫返贫风险,优化居民点体系、推动乡村各类要素的空间重组、结构重塑、功能重调等方面加强精准扶贫和乡村振兴工作。     

后挖沟深度对深海海底管道屈曲影响数值分析

鉴于海底管道的服役水深越来越深,主要采用犁式挖沟机对预铺设于海床之上的海底管道采取后挖沟的方式将海底管道埋设于海床之下,以保护其免受不必要的损伤。针对后挖沟深度H是海底挖沟机的重要设计参数,也是影响管道悬跨的重要因素的问题,对SMD(UK)犁式挖沟机展开参数优化,确保作业过程中悬跨段管道在外部静水压力作用下,海底管道不会发生屈曲破坏。采用ABAQUS软件,分别建立了作业前和作业中两种工况下的悬跨模型,分析机械手对接触部分管道的损伤,结果显示,作业中的机械手对悬跨管道的损伤更大;同时,建立了作业中不同管径下,后挖沟深度对管道损伤的安全裕量关系曲线。进一步,结合作业中不同挖沟深度下的管跨段屈曲数值模型,对处于外部静水压力作用下的悬跨管的屈曲失效展开分析,结果显示,随着后挖沟深度的加大,不同管径下的悬跨段管道局部出现塑性压溃的临界压力值不断降低;管道外径的增大,降低了同一后挖沟深度下发生屈曲失效的压力值。最后,在后挖沟深度与外部静水压力组成的区域内,建立屈曲失效临界关系曲线,并划分出工作区和压溃区,为深海管道后挖沟埋管的施工提供工程参考。     

大深度潜航器水下空间运动建模与仿真

分析大深度潜航器水下空间运动特点,建立描述其空间运动的数学模型,并以数学模型为基础利用 MATLAB\Simulink 软件完成潜航器空间运动仿真模型的开发。在搭建的仿真模型基础上,通过数学仿真手段分析了潜航器在螺旋下潜、抛载过渡、定角爬升、稳定至水面航行状态下的水下运动全过程,给出了具有弧形翼板的潜航器外形设计方案的运动能力仿真评估,为后续潜航器运动能力优化设计提供仿真依据。     

中国农村深度贫困的空间扫描与贫困分异机制的地理探测

从自然和社会经济因素中选取贫困的影响因子,建立评价指标体系,通过Pearson相关分析确定了贫困的主要影响因素,利用GIS空间分析和BP人工神经网络,分别模拟了省域、市域和县域3个尺度下的自然致贫指数与社会经济消贫指数,进一步计算获得了3个尺度下的贫困压力指数,对其空间分布格局进行分析;借助Flexible空间扫描探测识别出深度贫困县,在此基础上运用地理探测器揭示其主导致贫因素,并提出差别化的减贫对策建议。结果表明：① 省域、市域、县域3个尺度的自然致贫指数和贫困压力指数在空间分布上具有较高的一致性,呈现出明显的“东低西高”的空间分布格局;社会经济消贫指数的空间分布一致性不高,县域尺度更为破碎。以黑河—百色线为界,县域贫困压力指数在空间上表现出“大分散、小聚集”的分布状态。识别出的全国贫困县共计655个,主要分布在重点生态功能区和农产品主产区。② 3个尺度下,空间扫描识别出的贫困高风险区主要分布在西北、西南少数民族和边疆地区。县域尺度下识别出208个深度贫困县,多位于省际边缘区。③ 地理探测器识别出深度贫困县的7个致贫主导因素,按照主导因素将深度贫困县划分为地形要素制约型、区位交通制约型、经济收入制约型和生态环境制约型4类。     

降雨量、土壤蓄水量对流动沙地土壤水分深层渗漏的影响

土壤水分深层渗漏是陆地近地层水分循环的重要环节。利用土壤水分深层渗漏记录仪对毛乌素沙地典型流动沙丘不同深度土层的土壤渗漏水量连续进行两年定点监测。结果表明：（1）2016年生长季（4月1日至10月31日）降水量为2017年的1.93倍,但50、100、200 cm沙层的渗漏水量分别是2017年同期的4.53、5.53,5.22倍。同时,渗漏水量与降雨量及土壤蓄水量的波峰较一致。（2）强降雨对深层渗漏水量的影响较大,土壤蓄水量的变化也与深层渗漏水量密切相关;降雨量较小时,土壤蓄水量与深层渗漏水量之间的关系更为密切。在连续降雨过程中,越往深处,渗漏的产生通常是多次降雨过程累积的结果,将土壤蓄水量作为中间变量,能更好地分析土壤深层渗漏过程。（3）当天蓄水量与次日渗漏水量的相关系数较高,土层越深,深层渗漏水量与土壤蓄水量的相关系数增加,二者之间的线性拟合的R²也相应增加。     

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。     

基于深度置信网络的GNSS-IR土壤湿度反演

基于大地测量型GNSS接收机获取的反射信号反演土壤湿度是GNSS领域的研究热点。为克服常规线性回归和BP神经网络算法等的缺陷,本文提出了一种基于深度置信网络的GNSS-IR土壤湿度反演方法。试验结果表明,基于该方法得到的决定系数、土壤湿度平均绝对误差和均方根误差分别为0.909 8、0.017、0.021,与线性回归和BP神经网络算法相比,与实测数据吻合度更高,可有效提高土壤湿度反演精度,证明了方法的有效性和可靠性。     

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。