新世纪版《国家普通地图集》中城市地图的研究与编制

当前,我国正在加快城镇化进程,新型智慧城市的建设对城市时空信息基础设施建设提出了更高的要求。为了充分展示我国城市发展现状和满足城市建设需要,新世纪版《国家普通地图集》专门设计和编制了城市图组。城市地图存在资料复杂、内容广泛、形式多样、标准不一、语义不清等问题,项目组采用数据挖掘、深度学习、语义空间匹配、粗差数据发现、数据检核等技术手段,对多元时空数据进行融合及综合处理,同时依据制图综合处理原则与专家经验,结合自动缩编和增量更新技术,生产图幅数据并建立图形数据库。然后采用数据库驱动制图技术,基于图形数据库和符号库实现自动配图,最后通过人工处理少量的协调关系和地图美化,制作完成城市地图。     

分部加权的行道树检测网络构建

基于深度学习目标检测框架,提出了一种端到端的训练网络,用于行道树的自动检测。由于行道树之间的遮挡问题,现有的通用物体检测框架无法直接应用于此任务,为此本文提出了一种树形分部加权模块,以减少严重遮挡造成的错误检测。然后对提出的神经网络进行训练和评估。结果显示,本文所建立的分部加权树木检测网络能够在遮挡条件下,有效地检测出街景图像中的行道树,该方法在各种条件下均具有较高的精度和良好的稳健性。     

基于深度学习的中尺度涡检测技术及其在声场中的应用

针对海洋中尺度涡的检测与参数提取问题,本文使用中尺度涡SAR图像数据集,提出基于深度学习的EddyYolo目标检测模型进行中尺度涡的涡旋中心和涡旋水平尺度的多目标检测,并且提取涡心位置和涡旋水平半径等参数.实验结果表明:本文提出的EddyYolo模型实现了涡旋中心和涡旋水平尺度的多目标检测,检测准确率达到94%.在此基础上,结合二维高斯涡模型和三维中尺度涡模型,本文提出了基于卫星遥感与声学对中尺度涡的联合建模方法.     

Savonius型桨叶水动力特性研究

Savonius桨叶是一种典型的垂直轴阻力型桨叶,在风力发电中广泛应用。这种桨叶具有在多风向作用下单向转动的特性。利用该特性,将其应用于捕获水质点运动方向发生周期性或非周期性改变的波浪能的相关研究。采用Fluent数值仿真软件并基于UDF二次开发技术建立桨叶三维数值模型,分析叶片重叠率、相对入水深度和开口率等参数对桨叶动转矩和功率等水动力特性的影响,搭建实验平台,开展物理模型对照试验。研究结果表明:叶片重叠率有助于减小S型桨叶负转矩;当桨叶在水面上高度与波幅相等时,其功率系数达到最大;在叶片上增加弹片阀开口,可以增大桨叶动转矩系数,当开口面积达到一半时,动转矩系数比未开口桨叶提高28.3%。     

基于能量平衡的跨海桥梁钢管桩局部冲深计算

综合国内外现有研究成果,分析了桩周流场结构及局部冲刷坑的分布形态,通过三维数值模拟,验证了局部冲刷最大值点出现在桩前,且冲坑坡度近似等于泥沙水下休止角的结论。从国内外规范内局部冲深计算公式中筛选出跨海桥梁钢管桩局部冲刷深度的主要影响因素。基于能量平衡理论,通过来流水流搬运冲刷坑内泥沙过程中的能量守恒,推导了概念清晰、形式简单的局部冲刷深度预测公式。区别于现有多数公式主体结构,该公式为关于局部冲深的一元三次方程,通过水下泥沙休止角来考虑泥沙对冲刷的影响以及冲刷过程中冲刷坑自身深度及范围变化对冲刷产生的影响。利用最小二乘法,结合环杭州湾区域三座跨海大桥的试验及实测数据拟合确定了公式相关参数,并与国内外规范内的公式对比验证,结果表明,该公式精度较高,可为实际工程计算分析提供参考。     

深度学习遥感影像油罐检测算法精度对比分析

油罐目标的检测对于海洋战场环境保障具有重要的意义和作用。选择当前较为经典的几种深度学习目标检测算法,包括FRCNN、RFCN、SSD、YOLOv3、RetinaNet,利用已有的公开数据,对各算法进行油罐检测的精度进行深入对比分析和实验验证。实验结果表明,上述方法中鲁棒性和平均精度最好的是RFCN和RetinaNet;影像中目标的尺寸是影响各算法精度的重要因素。最后对基于深度学习的遥感影像油罐目标检测算法提出了改进的建议。相关研究对于利用深度学习算法完成油罐目标的实际检测应用具有重要的指导意义和参考价值。     

联合WOA2018温盐模型及实测温盐资料重构全深度声速剖面(二):精度评估

利用西太平洋海域多个站位的XBT、XCTD及CTD实测温盐资料,对WOA2018温盐模型的可靠性进行了评估,开展了全深度声速剖面重构试验。结果表明,当水深分别为761～1 100 m、大于1 101 m和大于1 821 m时,实测资料计算的声速剖面与温盐模型推算的声速剖面互差在-2.0～2.0 m/s、-0.7～0.7 m/s和-0.7～0.45 m/s,而与实测温度和盐度模型推算的声速剖面互差总体上在-0.2～0.2 m/s。基于临界探测深度处温盐实测值对探测深度以外温盐模型施加约束和控制,以提高声速预测值精度有待进一步研究。     

秋刀鱼舷提网渔具性能模型试验与海上实测结果的比较评估

舷提网是秋刀鱼（Cololabis saira）作业的主要方式之一,由于渔获率较高得到迅速推广。模型试验和海上实测是研究网具性能最为普遍的两种方式,两者试验结果的对比评估对于更好地测定网具作业性能具有十分重要的意义。根据2014年11-12月进行的秋刀鱼舷提网静水槽模型试验以及2015年7-10月和2016年6-10月在"鲁蓬远渔019"号船上进行的秋刀鱼舷提网网具性能测试试验测定的网具数据,采用多元线性回归方法,对网具的沉降深度和提升速度进行了标准化,并利用Bootstrap法分析了舷提网模型试验和海上实测试验结果。结果表明:（1）通过Bootstrap法得出标准化后的实测网最大沉降深度的均值分布范围为20.37~29.54 m,95%置信区间为21.76~28.13 m;模型网网具最大沉降深度均值的范围为26.42~37.58 m,95%置信区间为27.70~36.20 m。实测网网具中部最大沉降深度均值大约是模型网网具中部最大沉降深度均值的0.731~0.783倍。（2）通过Bootstrap法得出标准化后的实测网提升速度的均值分布范围为0.107~0.193 m/s,95%置信区间为0.111~0.191 m/s;模型网网具提升速度均值的范围为0.204~0.316 m/s,95%置信区间为0.207~0.312 m/s。实测网网具中部提升速度均值大约是模型网网具中部提升速度均值的0.591~0.611倍。（3）当假设海流速度为0时,求得实测网网具的平均沉降深度为29.14~41.21 m,约为模型网网衣中部最大沉降深度均值的0.751~0.807倍。（4）30 m和60 m水深的海流速度均对实物网网具中部的沉降深度有所影响,60 m水深的流速影响更加显著（P<0.05）。     

南海风生近惯性能通量的敏感性分析

After validated by the in-situ observation, the slab model is used to study the wind-generated near-inertial energy flux(NIEF) in the South China Sea(SCS) based on satellite-observed wind data, and its dependence on calculation methods and threshold criteria of the mixed layer depth(MLD) is investigated. Results illustrate that the total amount of NIEF in the SCS could be doubled if different threshold criteria of MLD are adopted. The NIEF calculated by the iteration and spectral solutions can lead to a discrepancy of 2.5 GW(1 GW=1×109 W). Results also indicate that the NIEF exhibits spatial and temporal variations, which are significant in the boreal autumn,and in the southern part of the SCS. Typhoons are an important generator of NIEF in the SCS, which could account for approximately 30% of the annual mean NIEF. In addition, deepening of the MLD due to strong winds could lead to a decrease of NIEF by approximately by 10%. We re-estimate the annual mean NIEF in the SCS,which is(10±4) GW and much larger than those reported in previous studies.     

盐度对变化2014年东北太平洋“暖泡”的作用

A significant strong, warm "Blob"(a large circular water body with a positive ocean temperature anomaly)appeared in the Northeast Pacific(NEP) in the boreal winter of 2013–2014, which induced many extreme climate events in the US and Canada. In this study, analyses of the temperature and salinity anomaly variations from the Array for Real-time Geostrophic Oceanography(Argo) data provided insights into the formation of the warm"Blob" over the NEP. The early negative salinity anomaly dominantly contributed to the shallower mixed layer depth(MLD) in the NEP during the period of 2012–2013. Then, the shallower mixed layer trapped more heat in the upper water column and resulted in a warmer sea surface temperature(SST), which enhanced the warm"Blob". The salinity variability contributed to approximately 60% of the shallowing MLD related to the warm"Blob". The salinity anomaly in the warm "Blob" region resulted from a combination of both local and nonlocal effects. The freshened water at the surface played a local role in the MLD anomaly. Interestingly, the MLD anomaly was more dependent on the local subsurface salinity anomaly in the 100–150 m depth range in the NEP.The salinity anomaly in the 50–100 m depth range may be linked to the anomaly in the 100–150 m depth range by vertical advection or mixing. The salinity anomaly in the 100–150 m depth range resulted from the eastward transportation of a subducted water mass that was freshened west of the dateline, which played a nonlocal role.The results suggest that the early salinity anomaly in the NEP related to the warm "Blob" may be a precursor signal of interannual and interdecadal variabilities.