台风“摩羯”与“温比亚”环流中龙卷小尺度涡旋特征及可预警性分析

利用多普勒天气雷达探测资料,结合常规气象观测资料和天气实况及灾情调查,对2018年8月14日台风“摩羯”（1814）和8月19日台风“温比亚”（1818）产生龙卷的环境物理量及龙卷风暴强度结构特征进行了分析,对诱发龙卷和未诱发龙卷的小尺度气旋性涡旋特征进行了对比。结果表明：两次台风减弱低压东北象限是龙卷发生的关键区,低层高湿,强的低层垂直风切变和大的相对风暴螺旋度是关键物理量;龙卷出现时都伴有ΔV＞20.0 m·s-1的小尺度气旋性涡旋,且基本出现在2.0 km高度以下,但并不是所有这种低层小尺度气旋性涡旋都能诱发龙卷;以ΔV＞20.0 m·s-1为阈值,龙卷识别具有较高的命中率,识别准确率为31.8%,空报率为67.4%,漏报率为6.7%;约35.7%的龙卷没有识别时间提前量,半数龙卷几乎没有预警时间提前量。     

中国震积岩研究综述

震积岩是具有特殊震积构造和震积序列的一种灾变性事件岩。近十几年来国内外许多学者在研究、对比现代和古代震积岩成因沉积物后,逐渐认识到震积岩不同于其他类型的沉积岩,震积岩的主要识别标志有震裂缝、地裂缝、断裂递变层、微同沉积断裂、层内褶皱、假结核、液化砂(泥)岩脉、火焰构造及振动液化卷曲变形构造等。对中国震积岩和震积作用、地震——海啸序列、碳酸盐岩振动液化序列与萨布哈震积岩序列、震积岩与震积不整合序列、大陆边缘震积岩序列、陆相断陷湖盆震积岩及垂向序列等研究成果进行了综述。通过岩心观察和描述开展陆相震积岩研究具有重要的地质意义,特别是生油断陷湖盆震积岩的研究具有重要的石油地质意义。     

低渗透储层的径向电阻率特征及含油性 ——以鄂尔多斯盆地洛河油田延长组长61为例

鄂尔多斯盆地中部洛河油田长61低渗透油层由于含油饱和度变化大、油层非均质强,再加淡水钻井液侵入,造成油层电阻率径向分布不均且变化大。通过双感应-八侧向测井与阵列感应测井响应特征对比分析,认为水层的径向电阻率均为增阻侵入,油层、油水同层的径向电阻率普遍具有减阻侵入、低阻环带、高阻环带特征或相关趋势。其中,减阻侵入有助于识别高含油饱和度、高电阻率油层和油水同层,低阻环带和高阻环带有助于识别低电阻率油水同层。另外,部分油水同层的双感应-八侧向测井径向电阻率组合具有“增阻侵入”且深感应电阻率低的特征,推测可能是受双感应-八侧向测井探测范围限制,为低阻环带靠近井眼附近遭受淡水钻井液侵入影响的结果,深感应测井反映的是侵入带电阻率而不是油水同层的电阻率,容易被误解释为水层。因此,对于双感应-八侧向测井中具有“增阻侵入”特征且深感应电阻低值的储层,其流体性质有水层、油水同层这两种可能性,需要结合深探测测井资料或油藏地质特征进一步分析,以提高油层、水层的识别率。     

天然气水合物的形成与识别

探讨了天然气水合物矿藏的形成条件和机理、水合物矿藏的聚集方式。天然气水合物的形成除了必要的气体和水,还需要一定的温压和地质条件;其形成机理可用高渗漏系统和弱渗漏系统来解释;天然气水合物在沉积物中主要以构造聚集和地层聚集的方式存在。综述了天然气水合物矿藏的识别方法。     

强对流实况分析关键技术与产品研制进展和展望

加强短时强降水、雷暴大风、冰雹和龙卷等强对流天气的科学认识对防灾减灾等精细化气象预报服务具有重要意义。如何基于过去和现在的观测去分析当前的强对流天气发生、发展情况是一个重要和具有挑战性的问题。调研了美国、欧洲、亚洲、加拿大和澳大利亚等强对流实况分析业务系统的现状,并从多角度对比了美国的预警决策支持系统—综合信息（WDSS-II）、奥地利的综合分析集成临近预报（INCA）和中国的强对流天气短时临近预报（SWAN）业务系统的现状。此外,针对强对流实况分析产品与预报实践的结合,调研了对强对流实况分析产品应用具有启发性的美国国家海洋和大气管理局（NOAA）的试验平台和春季预报试验。同时,梳理了国内外强对流实况分析研究技术动向,对比了快速更新同化数值模式、概念模型预报技术以及识别追踪和外推预报技术等强对流预报预警技术的优缺点,并回顾了近年来国内外各大主流机构的强对流实况分析人工智能解决方案,为我国今后的强对流实况分析体系建设提供借鉴和思考,为后续开展具有自身特色的强对流多源融合实况分析研究奠定基础。     

基于震源聚类方法确定川滇交界东部地区微震的空间分布特征

断层空间分布是地震预测的基础数据,微震空间分布能够帮助探测断层.使用基于密度的聚类方法分析自动拾取技术获得的川滇地区微震目录,并进一步地利用空间位置信息分离出了不同地震活动带内的微震序列;对川滇交界东部地区一带不同地震活动带的微震目录,加入波形信息后,采用聚类方法进行二次分离,从中获得了部分属于不同断层的微震,一定程度...     

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。     

顾及兴趣点潜在上下文关系的城市功能区识别

城市功能结构的探索对人们理解城市及城市规划有着重要的作用。兴趣点(point of interest,POI)数据作为城市设施的代表,被广泛应用于城市功能区提取。以往对城市功能区研究大多只考虑了POI统计信息,忽略了POI中丰富的空间分布信息,而POI空间分布特征与区域功能密切相关。本文利用空间共位模式挖掘方法挖掘POI潜在上下文关系,提取POI空间分布信息,构建区域特征向量,并进行区域聚类;再利用POI类别比例、居民的出行特征等对聚类结果进行识别。以北京市核心城市功能区为例,将研究结果与北京市百度地图、居民出行特征进行对比验证分析。试验表明,本文方法能识别出具有明显特征的城市功能区,如成熟的娱乐商业区、科教文化区、居住区等。同时,与基于POI语义信息的LDA方法及顾及POI线性空间关系的Word2Vec方法进行对比分析,证明了本文方法的优越性。     

复杂卫星图像中的小目标船舶识别

船舶作为海上的重要目标,实现对船舶自动识别有重要的意义。针对卫星图像中云雾、海岸背景等复杂海情对船舶识别带来的干扰,以及小目标船舶高漏检率问题,本文提出一种多尺度深度学习模型训练策略,在此基础上构建了一种船舶识别的深度学习网络,该网络可分为多尺度训练、特征提取、生成目标建议区域、船舶分类这4个部分。首先,采用多尺度的训练策略,将多尺度的船舶样本送入网络中进行训练,这样在训练样本中加入了大量小目标船舶的样本,使网络充分提取到小目标船舶的特征;其次,通过卷积神经网络对目标船舶进行特征自适应提取;然后,目标区域建议网络可依据卷积神经网络提取到的特征,在图像中找到感兴趣目标区域,即框定船舶的位置;最后,通过多个全连接层的组合,将高维特征映射到一个4元组中,再运用分类函数输出每一类船舶的概率值,概率值最大的则为该船舶的类别。同时为解决云雾遮挡和海岸背景的干扰,采用了一种负样本增强学习的方法,在样本数据集中加入了大量只含有云雾和海岸背景的图片,进行负样本扩充,增强网络模型对云雾及海岸背景的特征学习能力,以此解决复杂海情的影响。实验结果表明,所提方法有效解决了复杂海情条件下的船舶识别难,以及小目标船舶识别难的问题,实现了复杂海情条件下的船舶识别。同时,与现有成熟的深度学习目标识别算法相比,本文算法的精确度和召回率分别提升了6.98%和18.17%,所训练的模型具有良好的泛化能力和鲁棒性。     

基于计算机视觉的头足类角质颚特征研究Ⅰ:轮廓与特征点提取

轮廓与特征点研究是头足类角质颚形态特征鉴别的基本方法,对于轮廓与特征点的提取最常用的方法是手动描绘与标定,利用计算机视觉进行轮廓与特征点的提取,不仅可以降低手动提取带来的误差、提高准确性,而且更加快速、便捷。文章将利用计算机视觉提取头足类角质颚的轮廓与特征点,首先将自制装置拍摄得到的角质颚三视图放入MTALAB软件中进行编程处理,然后利用Canny算法提取角质颚轮廓,最后根据地标点的定义标定特征点位置并建立空间坐标系得到角质颚的特征点坐标。研究结果显示,利用计算机视觉提取角质颚的轮廓图像以及特征点坐标是可行的,当标准差σ取值为0.1时角质颚轮廓图效果最佳,在得到的轮廓图上进行特征点的标定,通过迭代遍历轮廓图获得各个特征点的空间坐标。研究分析认为,将计算机视觉应用于头足类角质颚形态学的研究可以提高研究的便捷性,同时也为后续的研究提供了新的实验思路和方法。