An assessment of three satellite-based precipitation data sets as applied to the Thailand region

The study examines three satellite-based data sets to estimate long-term precipitation for the Thailand region: the Tropical Rainfall Mapping Mission (TRMM) 3B43, the Climate Prediction Centre morphing technique (CMORPH), and a locally developed regression model using the geostationary meteorological satellite (GMS) covering the Thailand region. Data for the first two sets were available at a spatial resolution of 0.25° × 0.25°, while the local regression model used data from the GMS at a resolution of 5 km × 5 km. The statistical regression model was developed by relating long-term monthly average precipitation from 27 rain gauge stations with concurrent satellite data in the visible and thermal infrared bands. The model was then tested against independent data from 27 rain gauge stations. Satellite/rain gauge ratios were estimated, and a smooth spline surface was used to correct the error from the model. Data from the three approaches were compared with a rain gauge network. The TRMM relation performed better than CMORPH, and the performance for GMS was comparable to TRMM with root mean square different and mean bias difference of 33.6 and 4.2%, respectively. The locally developed regression model was used to produce monthly and yearly total rainfall maps from the GMS data for the entire country.     

虚拟太阳天文台及其发展

伴随着太阳物理研究的深入、观测仪器的发展、观测数据的积累,促使人们去思考这样一个问题:如何使研究者能够方便地检索、分析和使用在不同时间、不同地点、不同波段上观测得到的大量与太阳有关的数据,从而能探索更多悬而未决的科学谜题。这就是虚拟太阳天文台(VSO)项目被提出后得到有关天文台、研究所和大学积极响应并迅速投入运作的原因所在。介绍了虚拟太阳天文台的由来、作用、采用的技术和发展状况等。     

基于MCR模型和DO指数的九江滨水城市生态安全网络构建

兼顾生态保护和经济增长的生态安全网络对引导滨水城市走可持续发展道路具有重要指导意义。本文以九江市为例,采用景观生态数据集和产业信息数据集,结合最小累积阻力模型（MCR）和连续空间的产业集聚测度指数（DO）构建了综合评价方法,分别对景观生态格局和经济生产空间进行分析,诊断二者的空间冲突确定战略节点并构建生态安全网络。结果表明：① 研究区包含重要生态源地29个,总面积为7323 km²;生态安全阻力高值区面积占39.69%,位于城市中部和东部连片区域,低值区则处于外围,且连通过渡区域较少,呈现空间上两极分化的“中心—外围”景观生态格局;② 经济生产空间临近水资源分布,呈现为小尺度集聚、大尺度分散的空间格局;主要产业集聚区的平均长度和数量均显示出重度污染行业>轻度污染行业>中度污染行业的空间关系;③ 识别出景观生态廊道总长685.57 km,选取了25个生态—经济战略节点,规划了18条总长424.53 km的重要绿带和26条总长662.46 km的一般绿带,共同构成了“蜂巢状”九江市生态安全网络格局。本文采用自然和经济条件相结合的综合分析视角,为生态安全格局的构建提供了多样化的实现途径。     

基于网络分析的区域铁路公司建构方法与实证

区域铁路公司是铁路运输市场组织的重要模式之一, 也是铁路改革中的焦点问题之一。 基于经济地理学功能区(结节区)的网络分析方法, 对1991～2005年我国城际铁路货流的空 间组织特征进行了系统分析, 发现我国铁路货物运输联系形成了较为稳定的功能区划, 形成 北京、广州、上海等城市枢纽节点。基于合理运输组织和减少交易成本的组织理念, 提出建 立东北、华北、西北、华中、华东、中南和西南7大区域铁路公司。该研究可以为铁路市场 化改革提供决策支持。     

面向野外地质调查工作的道路提取方法研究

为弥补传统的依靠管理组织、法律、经济、教育等进行对野外地质工作安全管理工作的不足,通过百度SDK采集GPS步行轨迹数据,基于单向GPS轨迹数据的特点,进行轨迹的分割分段处理.最后利用BP神经网络算法拟合道路,通过反复实验确定BP网络的参数配置信息.并以中国地质大学西区为研究区域,提取路网信息,验证算法的有效性和实用性....     

1991年江淮流域梅雨结束预报的分析与讨论

１９９１年江淮梅雨结束，在预报上具有相当难度。由于ＥＣＭＷＦ数值预报出现重大偏差，曾一度造成业务预报的重大分歧，增加了预报决策的困难。作者客观地反映当时预报的实况，其目的在于剖析预报分歧中的症结，并由此提出预报员的经验可以弥补单一预报工具的不足，修正数值预报产品的误差，从而提高预报准确率。     

一种基于GA-BP-MC神经网络的高铁桥墩沉降预测模型

提出一种基于马尔科夫链修正的遗传BP神经网络预测模型（GA-BP-MC）,利用遗传算法的全局寻优能力初始化BP神经网络权值和阈值,初步建立GA-BP神经网络预测模型,结合马尔科夫链的无后效性修正模型预测值,形成高精度GA-BP-MC神经网络变形预测模型。结合高铁桥墩沉降数据,分别与BP神经网络、GA-BP神经网络预测模型进行对比,结果表明,该预测模型精度最高。     

基于卷积神经网络与条件随机场方法提取乡镇非正规固体废弃物

随着村镇经济建设发展,生活垃圾和工业固体废弃物造成的污染问题日益突出,已经成为制约新农村建设发展和生态文明建设的关键问题,而目前针对乡镇非正规固体废弃物的调查与统计主要依赖全国各乡镇相关部门逐级调查上报,工作量较大。本文基于高分辨率遥感影像,将深度学习模型和条件随机场模型相结合引入到乡镇固体废弃物的提取研究中,探索一种基于深度卷积神经网络的乡镇固体废弃物提取模型。由于固体废弃物在影像上表现为面积小,分布破碎等特点,为了提高工作效率,将模型特分为识别和提取2个部分：① 通过全连接卷积网络（CNN）对固体废弃物进行快速识别判断,筛选感兴趣区域影像块;② 在传统的全卷积神经网络(FCN)的基础上加入条件随机场模型(CRF)提取固体废弃物边界,提高整体分割精度。根据安徽、山西等地区相关部门上报固体废弃物堆放点以及住房与城乡建设部城乡规划管理中心进行野外检查的结果,实验最终识别精度达到86.87%以上;形状提取精度为89.84%,Kappa系数为0.7851,识别与提取精度均优于传统分类方法。同时,该方法已经逐步应用于住房和城乡建设部有关成都、兰州、河北等部分乡镇非正规固体废弃物的核查工作,取得了较为满意的结果。     

Comparative assessment of semantic-sensitive satellite image retrieval: simple and context-sensitive Bayesian networks

In recent years, Bayesian networks using unsupervised extracted image features have been applied in many remote sensing information mining systems to enable semantic-sensitive image retrieval. However, a simple Bayesian network insufficiently accounts for the spatial information, that is, the relations among image regions, for the semantic inference process. This drawback significantly impacts the retrieval performance, especially if the utilised features contain no or little spatial information. Therefore, this article proposes a context-sensitive Bayesian network, which infers semantic concepts of image regions based on the spectral and textural characteristics of the regions themselves as well as their contexts, that is, the adjacent regions. In order to compare the context-sensitive Bayesian network with the simple Bayesian network, comprehensive experiments were conducted based on high-resolution multispectral IKONOS imagery. The results show that the incorporation of the image regions' spatial relations not only significantly improves the accuracy of the semantic concepts inference, but also allows more flexibility in choosing the type of low-level features.     

人工神经网络模型在地学研究中的应用进展

近年来,随着人工神经网络（ANNs）自身技术的不断完善,应用ANNs模型成功解决各类地学问题的案例大量出现。通过对其发展历程进行分析发现,20世纪80年代末国际地学分析中已开始融入ANNs技术,国内则滞后 1～2年。在地学分析中使用的各类人工神经网络类型中,BP模型应用最广,占到85％以上。在10余年的应用过程中,虽然地学的各个分支学科都移植了一种或数种ANNs模型作为其分析工具,但水文、地质、大气、遥感等领域应用较为广泛。传统地学定量分析中的单变量或多变量预测成为人工神经网络地学模型的主要应用客体。同时,诸如模式识别和过程模拟等也是ANNs模型求解的对象。目前,随着建模经验和知识的积累,地学ANNs模型的发展呈现出多种技术综合集成的态势,遗传算法、小波转换、模拟退火算法以及模糊逻辑等方法与ANNs模型融合,成为解决地学分析中非线性问题的利器。