决口海堤水波传播模拟和分析研究Ⅱ:2D传播

应用经验证的SWASH数学模型,分析了海堤决口中心线沿线实测水深分布规律和保护区淹没水量与淹没面积。对不同特征水深进行验证,进而探讨不同波要素对不同形式的海堤决口堤后特征水深分布情况以及波浪传播距离与时间的关系;分析了物理模型试验中海堤决口宽度以及不同波要素对堤后洪水波演进的影响;计算了不同决口深度和宽度对洪水波传播的影响,建立堤后水体淹没水量和淹没面积分布公式。成果可供我国沿海城市和地区在风暴潮和台风浪作用下海堤决口风险图绘制参考。     

低空摄影测量立体影像匹配的现状与展望

影像匹配是在两幅或多幅具有重叠度的影像中通过特定的算法提取影像间同名点的过程,是低空摄影测量数据处理中最为关键的步骤,匹配质量与效率直接影响到后续数据处理的成功与否,关系到测绘产品生成质量。本文系统阐述了低空摄影测量影像匹配的研究现状与展望。对影像匹配的分类进行总结和归纳,大体上,影像匹配可划分为两大类,即基于灰度和基于特征的匹配。重点针对基于特征的影像匹配,从点、线、面等特征提取算法及特征描述符和相似性测度与策略等方面进行了详细阐述。此外,列举最新的基于深度学习的影像匹配算法,对低空平台搭载的多样化传感器数据融合可能涉及的影像匹配方法进行了展望。     

结合深度学习和图割法的遥感影像建筑物检测

提出一种基于卷积神经网络和图割法的自动提取高分影像建筑物的方法。首先,通过卷积神经网络定位与检测建筑物的位置,逐一提取单个建筑物轮廓,利用检测结果分别建立建筑物和非建筑物的高斯混合模型（GMM）,然后结合最大流最小割的图像分割方式实现全局优化,完成建筑物初步提取,最后用形态学进行优化。通过试验证明了该方法的可行性。     

基于压缩感知法对法拉第色散函数的重构

观测到的偏振量与法拉第色散函数之间是傅里叶变换对,而法拉第色散函数反映了辐射区域和辐射传播途径的磁场结构。如何通过这一关系精确重构出法拉第色散函数对于研究银河系及河外星系磁场具有重要的作用。目前已提出了基于压缩感知的法拉第色散函数重构方法,模拟结果要优于传统方法,然而是否具有实用性仍然未知。主要探究该方法应用于实际观测频率范围时是否依然可行,并进行了大样本统计学实验。结果表明:重构结果受多种因素的影响,具有很大的随机性,对重构结果在峰值附近再次进行最小二乘拟合后,重构的法拉第深度更接近真实值。     

基于支持向量机的GNSS时间序列预测

在深度学习的理论框架下,针对预测全球卫星导航系统(GNSS)时间序列,传统的经验风险最小化预测模型误差大精度低,泛化性能差且对历史数据的经验依赖大的问题.提出一种采用结构风险最小化原则的基于支持向量机(SVM)的时间序列预测模型.通过和多层的BP神经网络预测模型预测效果比较,结果证明SVM预测模型拥有更好的时间序列预测效果.     

一种改进的RFB Net遥感影像目标识别算法

针对高分辨率遥感影像场景复杂,现有的目标识别算法检测率较低且速度较慢的问题,提出了一种改进的RFB Net模型。算法在RFB Net模型的基础上构建特征金字塔网络,融合高层语义信息和低层特征信息,提高了网络识别能力。为验证该算法性能,以遥感影像中飞机目标为例进行了实验验证。以油罐和立交桥目标为例,对该算法的推广性进行了实验验证。结果表明,改进的RFB Net模型在遥感影像目标识别中精度较高、速度较快,且具有较好的推广性。     

深反射地震成像揭示的班公湖 怒江缝合带中段Moho断阶及其大地构造意义

揭示班公湖- 怒江(班怒)缝合带Moho(莫霍面)结构对于认识中特提斯洋壳俯冲和南羌塘坳陷成因具有重要地球动力学意义。基于横跨班怒缝合带的深反射地震数据(88°30′E),本文采用了中长波长静校正、噪声压制、优化叠加和叠前深度偏移(PSDM)等地震处理技术,获得了深度域地震反射偏移剖面、层速度场和高分辨率Moho结构。由深度域剖面显示,班怒缝合带Moho位于地表以下65～80 km,呈不连续北向抬升趋势,指示在拉萨地块与南羌塘地块之间存在岩石圈上地幔断阶,最大阶步可达15 km。综合分析缝合带两侧的Moho形态认为,这些断阶受南侧拉萨地体的岩石圈上地幔以19. 5°北倾俯冲与北侧南羌塘地块的上地壳抬升驱动,可能与深部存在局部熔融相关。班怒缝合带下的Moho结构表明,随着晚侏罗世—早白垩世中特提斯洋闭合,南羌塘地体由边缘海沉积向前陆盆地转换,形成南羌塘坳陷。     

基于深度学习的CZ铁路康定—理塘段滑坡易发性评价

CZ铁路康定至理塘段地处青藏高原东部边缘,区域内地形地貌多变、地质构造复杂,滑坡灾害极其发育,严重威胁着CZ铁路康定至理塘段的规划建设和未来安全运行。因此,选取高程、坡向、平面曲率、剖面曲率、地形起伏度、地表切割度、地形湿度指数、归一化植被指数、岩性、距断层距离、距河流距离、距道路距离共计12个影响因子构建滑坡空间数据库,采用深度学习的卷积神经网络(convolutional neural network, CNN)模型进行滑坡易发性评价,根据易发性指数将研究区划分为极高易发区(13.76%)、高易发区(14.00%)、中易发区(15.86%)、低易发区(18.17%)、极低易发区(38.21%)5个等级,并与人工神经网络(artificial neural network, ANN)模型进行对比。结果表明,CNN模型的评价精度AUC(0.87)大于ANN(0.84)模型,且极高易发区的频率比值高于ANN模型,CNN模型在本研究区有着更高的预测能力;极高和高易发区主要分布在水系较为发育的地区,沿着雅砻江和其他河流两侧2 km范围内呈带状分布。滑坡易发性评价结果较好地反映了研究区滑坡灾害...     

基于改进U-Net的建筑物集群识别研究

针对U-Net在高分影像建筑物提取中部分建筑物边缘特征易模糊或丢失的问题,提出一种对高分影像建筑物边缘增强,同时对U-Net部分卷积过程进行改进的优化的建筑物提取方法.首先利用域变化递归滤波的方式对建筑物边缘进行增强,将增强后影像输入U-Net神经网络中进行训练;其次为充分利用建筑物在高分影像上丰富的细节特征,尝试在原...     

邢台地震b值的深度变化特征分析

对1966~1984年邢台地震目录进行了整理,应用基于MATLAB的Z-MAP软件分析了地震目录的完整性,将目录划分为地震活跃时段、地震活动过渡时段、地震活动相对稳定时段。主要分析了各时段地震深度b值、沿断层深度剖面扫描b值,根据深度b值变化对邢台地震演化特点进行了分析。